1 安徽理工大学电气与信息工程学院, 安徽 淮南 232001
2 阜阳师范学院计算机与信息工程学院, 安徽 阜阳 236037
防治煤矿突水时需迅速精准地判别突水水源, 激光诱导荧光(LIF)光谱技术具有灵敏度高、 快速准确监测特点, 为检测突水水源提供了一种新的方法。 该研究引入该技术以获取突水荧光光谱数据。 采用卷积(SG)平滑和多元散射校正(MSC)方法对光谱图进行预处理, 以消除光谱采集过程中噪声干扰。 采用主成分分析(PCA)方法提取特征信息, 针对SG预处理后的数据, 当主成分个数为3时, 累积贡献率可达到99.76%, 已基本保留原数据的全信息。 选择3层结构BP神经网络建立分类判别模型, 通过不同方式构造训练集和测试集, SG预处理数据构建的分类模型可以达到精准判别, 而对于MSC预处理和原始数据出现很少的误判。 实验结果表明SG预处理结果要优于MSC预处理。 研究结果表明, 将PCA和BP神经网络结合建立分类模型, 能有效判别煤矿突水水源, 且具有较强的自组织、 自学习能力。
煤矿突水 水源判别 激光诱导荧光光谱 人工神经网络 主成分分析 Coalmine water inrush Identification model Laser-induced fluorescence Principal component analysis Artificial neural network
安徽理工大学电气与信息工程学院, 安徽 淮南 232001
矿井突水的迅速识别与分类对于井下水灾防治工作有着重要的意义。 提出一种KNN结合PCA运用在激光诱导荧光光谱快速识别矿井突水水源中的新方法。 利用激光器发射激光通过可浸入式探头射入水样, 得到四种突水水样共80组荧光光谱数据, 再分别对每组数据进行预处理, 处理后的数据中每种水样取15组数据作为训练集, 共60组, 其余20组作为预测集。 利用主成分分析(PCA)对数据进行处理, 之后在主成分分析的基础上利用KNN算法进行分类识别。 实验过程中, 各预处理方法在主成分个数为2的情况下, 进行KNN算法分类的正确率都达到100%。
KNN算法 激光诱导荧光 矿井突水 水源识别 KNN algorithm PCA PCA Laser induced fluorescence Mine water inrush Water source identification 光谱学与光谱分析
2016, 36(7): 2234
1 安徽理工大学电气与信息工程学院, 安徽 淮南 232001
2 矿山地质灾害防治与环境保护安徽省重点实验室, 安徽 淮南 232001
3 安徽理工大学地球与环境学院, 安徽 淮南 232001
煤矿突水水源类型的快速识别对于煤矿水害预警防治意义重大。 针对传统水化学方法水源识别耗时较长的问题, 提出一种基于激光诱导荧光光谱(LIF)技术与簇类的独立软模式(SIMCA)算法的煤矿突水水源快速识别方法。 激光诱导荧光光谱技术具有分析速度快、 灵敏度高等特点, 在激光器的辅助下, 荧光光谱仪实时采集荧光光谱, 根据水样的荧光光谱即可进行水源类型识别, 在数据库完备的情况下, 只需几秒即可进行煤矿水源判断, 对于煤矿的水害预警以及灾后救援来说意义重大。 实验利用405 nm激光器发射激光, 打入被测水体, 得到五种常见突水水样的共100组荧光光谱, 对各水样的荧光光谱进行光谱预处理。 每种水样使用15组共75组荧光光谱作为预测集, 剩余的25组水样的荧光光谱作为测试集。 利用主成分分析(PCA)分别对五种水样进行建模, 而后依据所建模型进行SIMCA分类。 实验发现不同水样的荧光光谱差异明显, 经过Gaussian-Filter预处理后的荧光光谱, 在主成分数为2, 显著性程度α=5%的情况下, 利用SIMCA算法进行水样分类, 预测集和测试集的正确率皆为100%。
煤矿突水 水源识别 激光诱导荧光光谱 簇类的独立软模式 主成分分析 Mine water inrush Source identification Laser induced fluorescence Soft independent modeling of class analogy Principal component analysis
中国农业科学院植物保护研究所, 植物病虫害生物学国家重点实验室, 北京100193
铁元素吸收是细菌生长的重要限制因素之一。 前期研究推测在水稻白叶枯病菌(Xanthomonas oryzae pv. oryzae, 简称Xoo)中rpfFxoo基因可能参与Fe元素的代谢。 通过同源重组法, 获得了Xoo基因缺失突变体ΔrpfFxoo; 利用原子吸收光谱法测定Xoo野生型菌株PXO99A和ΔrpfFxoo对Fe元素的吸收。 结果表明, 通过对工作条件的优化, 使样品平均回收率达到99.7%, 相对标准偏差(RSD)为1.89; 随着培养时间的延长, PXO99A和ΔrpfFxoo对Fe元素吸收不断增加, ΔrpfFxoo中Fe元素的含量显著低于PXO99A(P<0.05), 证明rpfFxoo与铁元素的代谢有关。
水稻白叶枯病菌 铁元素吸收 原子吸收光谱法 Xanthomonas oryzae pv. oryzae ΔrpfFxoo ΔrpfFxoo Ferric iron absorption Atomic absorption spectrophotometry 光谱学与光谱分析
2010, 30(4): 1117