鞍山式磁铁矿含水量高光谱预测模型的建立

TB16%TB2; 铁矿的高含水量会降低其可加工性,不利于选矿、烧结、冶炼及尾矿处理等环节的顺利进行.因此,合理控制铁矿的含水量对于提高矿业生产效率、降低能源消耗和减少原材料浪费至关重要.然而,由于铁矿成分和性质的复杂性,传统检测技术(如干燥失重法和电阻法)的灵敏度和准确度存在不足.基于此,本文选取三种颗粒度的河北唐山某地区的鞍山式磁铁矿,在不同含水量(0～40.0％)条件下测试其高光谱数据,应用S-G平滑滤波(S-G)、多元散射校正(MSC)、标准正态变换(SNV)、二阶导数(SD)、倒数对数(LR)和包络线去除(CR)预处理数据,深入分析了光谱特征及其与含水量的相关性.为进一步提高模型的预...

Full description

Saved in:
Bibliographic Details
Published in岩矿测试 Vol. 43; no. 6; pp. 901 - 913
Main Authors 谢晓啸, 白洋, 张九零, 贾玉娜
Format Journal Article
LanguageChinese
Published 华北理工大学应急管理与安全工程学院,河北唐山 063210%华北理工大学矿业工程学院,河北唐山 063210 01.11.2024
Subjects
回归模型
预测精度
magnetite
regression model
磁铁矿
water content
hyperspectrum
高光谱数据
precision of prediction
含水量
Online AccessGet full text
ISSN0254-5357
DOI10.15898/j.ykcs.202409070183

Cover

More Information
Summary:TB16%TB2; 铁矿的高含水量会降低其可加工性,不利于选矿、烧结、冶炼及尾矿处理等环节的顺利进行.因此,合理控制铁矿的含水量对于提高矿业生产效率、降低能源消耗和减少原材料浪费至关重要.然而,由于铁矿成分和性质的复杂性,传统检测技术(如干燥失重法和电阻法)的灵敏度和准确度存在不足.基于此,本文选取三种颗粒度的河北唐山某地区的鞍山式磁铁矿,在不同含水量(0～40.0％)条件下测试其高光谱数据,应用S-G平滑滤波(S-G)、多元散射校正(MSC)、标准正态变换(SNV)、二阶导数(SD)、倒数对数(LR)和包络线去除(CR)预处理数据,深入分析了光谱特征及其与含水量的相关性.为进一步提高模型的预测能力,采用竞争性自适应重加权法(CARS)筛选特征波段,结合随机森林回归(RFR)、最小二乘支持向量回归(LSSVR)、粒子群算法优化最小二乘法支持向量回归(PSO-LSSVR)建立预测模型,比较了不同磁铁矿含水量模型的预测效果,最终筛选出最佳模型以提升选矿和冶炼过程中含水量检测的精度.结果表明:①不同颗粒度的鞍山式磁铁矿样品在含水量变化时,其光谱曲线变化趋势总体一致,反射率与含水量呈负相关,并在990nm、1440nm、1920nm附近表现出明显的吸收特征;经过MSC和SNV预处理后的光谱数据,与含水量的皮尔逊相关系数(r)最高可分别达到-0.950(412nm)和-0.964(421nm);②三种模型中,PSO-LSSVR模型最稳定,优选出颗粒度0.3～0.5mm的SNV-CARS-LSSVR模型和颗粒度0.5～2mm的MSC-CARS-PSO-LSSVR模型,模型的预测集决定系数(R2)分别为0.778、0.789,预测集均方根误差(RMSEP)分别为5.45％、5.41％.与以往研究相比,本文通过结合数据预处理、CARS特征筛选和非线性回归算法,构建了更加稳定的鞍山式磁铁矿含水量预测模型,为矿业生产过程中的含水量检测提供更高的精度支持.
ISSN:0254-5357
DOI:10.15898/j.ykcs.202409070183