摘要：便携式近红外光谱分析技术可实现油页岩含油率的原位检测,在油页岩资源现场勘查中发挥着重要作用.但是,由于其测得的原始光谱数据量大、冗余信息多,直接建模会影响速度与精度.因此提出一种小波变换与神经网络融合法,先将油页岩全谱数据进行db8小波3级分解,提取其近似系数形成输入矩阵,然后再进行神经网络建模.为了验证有效性,利用30个油页岩合成样品,从中随机选择20个用于训练,另外10个用于预测,并分别使用全谱数据与小波特征数据进行了10次神经网络建模.结果表明,全谱数据建模速度均值为570.33 s,预测残差平方和及相关系数均值分别为0.006012及0.84375;而小波神经网络法对应的以上均值为3.15 s,0.002048及0.95319.由此说明小波神经网络法优于全谱数据建模法,为油页岩含油率的快速、高精度检测提供了一种新方法.

原文链接:http://d.wanfangdata.com.cn/Periodical/gpxygpfx201304023

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）