基于红外光谱主成分和神经网络的生物质氧含量测量与建模方法技术

本发明专利技术公开了一种基于红外光谱主成分和神经网络的生物质氧含量测量与建模方法，主要包括以下步骤：(1)生物质红外光谱数据的获取及预处理；(2)记录红外光谱数据采集时的环境状态参数；(3)依据国家或行业标准测得生物质样本的氧含量测量值数据；(4)对红外光谱数据和氧含量测量值做两两相关性计算；(5)采用主成分分析的方法对数据降维；(6)以主成分数据和环境状态参数为输入，氧含量测量值为输出，建立神经网络模型，使用训练集进行训练至误差小于0.1％；(7)输入验证集数据，模型计算获得氧含量数据，与测量值数据比较，得出预测偏差。该方法无需破碎或接触生物质，是一种可以实现在线测量、充分考虑测量环境影响、非接触式快速测量方法。

【技术实现步骤摘要】
基于红外光谱主成分和神经网络的生物质氧含量测量与建模方法
本专利技术属于生物质和大数据分析
，涉及一种高效、精确的生物质氧含量测量方法。
技术介绍
生物质(biomass)狭义上认为是农林业种植、生产过程中产生的秸秆、树木、废弃物等等，因此广泛存在于农田、森林、城市绿化等地。其储量巨大且自身可作为能源用于发电或提取高附加值化合物。物质的氧元素含量的现有检测方法多为差减的方法，中华人民共和国国家标准GB/T31391-2015中指出，其测量原理为：样品通过不同国标方法测得碳、氢、硫、灰分和水分等含量后，运用100减去其他元素或物质含量后，依据差减法得到氧含量。这些方法虽然较准确，但因其需要测定其他元素或成分含量，操作步骤过于复杂且冗余，无法单独获取氧含量。同时测试环境温度较高、测试时间较长，因此需要探索其他更简便的方法。国内关于固体物质氧含量测试的专利多数集中于传统测试方法。如专利技术专利CN201810910292.0中公布的一种测定高锰钢中氧含量的方法，其利用惰性熔融-红外吸收法测定高锰钢中的氧含量。主要步骤包括本文档来自技高网...

【技术保护点】
1.基于红外光谱主成分和神经网络的生物质氧含量测量与建模方法，其特征在于包含以下步骤：/n(1)生物质样本数据的获取：包括生物质的红外光谱数据的获取和平滑去噪等预处理；红外光谱数据采集时的环境温度、压力、红外传感器探头距离样品的距离、环境光强等状态参数数据的获取及预处理；依据标准(如：国家标准GB/T 31391-2015)方法测量生物质的氧含量，记录氧含量测量值数据；/n(2)样本集的划分：采用随机分类的方法，将所得样本数据的20％～80％作为训练集，其余样本数据作为验证集；/n(3)相关性和主成分分析：通过相关性计算公式对生物质样本红外光谱数据和氧含量测量值进行两两相关性计算，得到相关系数...

【技术特征摘要】
1.基于红外光谱主成分和神经网络的生物质氧含量测量与建模方法，其特征在于包含以下步骤：
(1)生物质样本数据的获取：包括生物质的红外光谱数据的获取和平滑去噪等预处理；红外光谱数据采集时的环境温度、压力、红外传感器探头距离样品的距离、环境光强等状态参数数据的获取及预处理；依据标准(如：国家标准GB/T31391-2015)方法测量生物质的氧含量，记录氧含量测量值数据；
(2)样本集的划分：采用随机分类的方法，将所得样本数据的20％～80％作为训练集，其余样本数据作为验证集；
(3)相关性和主成分分析：通过相关性计算公式对生物质样本红外光谱数据和氧含量测量值进行两两相关性计算，得到相关系数；采用主成分分析的方法对相关的红外光谱数据做降维处理，获得累积贡献率高于80％的主成分表达式和相关数值；
(4)BP神经网络的建立和训练：以步骤(3)获取的主成分数据和步骤(1)获取的红外分析仪所处环境状态参数为输入参数，步骤(1)获取的生物质氧含量测量值为输出参数，建立BP神经网络模型，并采用训练集数据对BP神经网络模型进行优化训练，当误差小于0.1％时，完成优化训练过程；
(5)验证及完成建模：输入验证集生物质的红外数据和红外分析仪状态参数，通过神经网络计算获得输出的氧含量数据，将该数据与氧含量测量值的数据比较，得出预测偏差。


2.根据权利要求1所述基于红外光谱主成分和神经网络的生物质氧含量...

【专利技术属性】
技术研发人员：朱雁军，刘长瑞，来永申，李伟，董长青，张俊姣，梁慧，胡笑颖，
申请(专利权)人：国能生物发电集团有限公司，华北电力大学，
类型：发明
国别省市：北京;11