一种煤炭灰分预测方法及装置与流程

技术特征：
1.一种煤炭灰分预测方法，其特征在于，包括：获取待测煤炭的目标光谱特征；将所述目标光谱特征输入至灰分预测模型，确定由所述灰分预测模型输出的目标灰分浓度值；所述灰分预测模型是利用多个带有灰分浓度标签的样本光谱特征进行训练后得到的。2.根据权利要求1所述的煤炭灰分预测方法，其特征在于，在所述将所述目标光谱特征输入至灰分预测模型之前，还包括：获取多个样本光谱数据，以及各样本光谱数据对应的灰分浓度标签；根据每个样本光谱数据与所述每个样本光谱数据对应的灰分浓度标签，确定所述每个样本光谱数据对应的灰分浓度值，以及所述每个样本光谱数据中各特征元素的特征值；确定所述各特征元素的特征值和灰分浓度值之间的互信息量；根据互信息量非零的特征元素，确定每个样本光谱数据对应的样本非零光谱特征；根据各样本非零光谱特征，确定多个训练样本；利用所述多个训练样本，对所述灰分预测模型进行训练。3.根据权利要求2所述的煤炭灰分预测方法，其特征在于，所述根据各样本非零光谱特征，确定多个训练样本，包括：根据各样本非零光谱特征的分布区间，生成多个样本合成光谱特征，以及每个样本合成光谱特征对应的灰分浓度标签；根据所有的样本非零光谱特征和所述多个样本合成光谱特征，确定多个样本光谱特征；将每个样本光谱特征与所述每个样本光谱特征对应的灰分浓度标签的组合，作为一个训练样本，获取多个训练样本。4.根据权利要求2所述的煤炭灰分预测方法，其特征在于，所述利用所述多个训练样本，对所述灰分预测模型进行训练，包括：将所述多个训练样本划分为训练集和验证集；将所述训练集中任一训练样本输入至所述灰分预测模型，获取所述灰分预测模型输出的所述训练集中任一训练样本对应的预测灰分浓度值；利用预设损失函数根据所述任一训练样本对应的预测灰分浓度值和所述任一训练样本中的灰分浓度标签计算损失值；若所述损失值小于预设阈值，则利用所述验证集对所述灰分预测模型进行验证。5.根据权利要求4所述的煤炭灰分预测方法，其特征在于，所述利用所述验证集对所述灰分预测模型进行验证，包括：将所述验证集中任一训练样本输入至所述灰分预测模型，获取所述灰分预测模型输出的所述验证集中任一训练样本对应的验证灰分浓度值；根据所述验证集中各训练样本对应的验证灰分浓度值和灰分浓度标签，确定所述灰分预测模型在所述验证集上的平均绝对误差、r方以及平均相对误差。6.根据权利要求2所述的煤炭灰分预测方法，其特征在于，所述获取多个样本光谱数据，包括：获取样本煤炭的多个初始样本光谱特征；
对每个初始样本光谱特征进行噪声去除处理，获取多个降噪样本光谱特征；对每个降噪样本光谱特征进行标准化处理，获取多个标准化样本光谱特征；提取每个标准化样本光谱特征的谱线元素特征，获取所述多个样本光谱数据。7.根据权利要求1至6中任一项所述的煤炭灰分预测方法，其特征在于，所述获取待测煤炭的目标光谱特征，包括：对所述待测煤炭进行激光诱导击穿，获取待测光谱数据；根据所述待测光谱数据，确定所述目标光谱特征。8.一种煤炭灰分预测装置，其特征在于，包括：获取模块，用于获取待测煤炭的目标光谱特征；确定模块，用于将所述目标光谱特征输入至灰分预测模型，确定由所述灰分预测模型输出的目标灰分浓度值；所述灰分预测模型是利用多个带有灰分浓度标签的样本光谱特征进行训练后得到的。9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述煤炭灰分预测方法。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述煤炭灰分预测方法。

技术总结
本发明提供一种煤炭灰分预测方法及装置，包括：获取待测煤炭的目标光谱特征；将所述目标光谱特征输入至灰分预测模型，确定由所述灰分预测模型输出的目标灰分浓度值；所述灰分预测模型是利用多个带有灰分浓度标签的样本光谱特征进行训练后得到的。本发明提供的煤炭灰分预测方法及装置，通过获取待测煤炭的目标光谱特征，利用灰分预测模型对目标光谱特征进行灰分浓度的实时检测，在提高对煤炭质量的检测效率的同时，还提高了煤灰分测定准确度，有助于煤炭的质量评定及煤厂的选择。于煤炭的质量评定及煤厂的选择。于煤炭的质量评定及煤厂的选择。


技术研发人员：李晶 崔信红 霍玥 汤凯
受保护的技术使用者：北京东方国信科技股份有限公司
技术研发日：2022.04.21
技术公布日：2022/7/22