光学学报, 2023, 43 (22): 2230001, 网络出版: 2023-11-20  

基于双通道卷积神经网络的煤灰分太赫兹预测

Terahertz Coal Ash Prediction Method Based on Dual-Channel Convolutional Neural Network
任姣姣 1,2,3,*焦铁鑫 1,2,3顾健 1,2,3陈奇 3李丽娟 1,2,3张霁旸 3
作者单位
1 长春理工大学光电测控与光信息传输技术教育部重点实验室,吉林 长春 130022
2 长春理工大学光电工程学院,吉林 长春 130022
3 长春理工大学中山研究院,广东 中山 528400
图 & 表

图 1. 样品灰分质量分数及厚度

Fig. 1. Sample ash mass fraction and thickness

下载图片 查看原文

图 2. THz光谱仪的频谱图

Fig. 2. Spectrogram of THz spectrometer

下载图片 查看原文

图 3. 10个不同灰分质量分数样品的折射率和吸收系数。(a)折射率;(b)吸收系数

Fig. 3. Refractive index and absorption coefficient of 10 samples with different ash mass fraction. (a) Refractive index; (b) absorption coefficient

下载图片 查看原文

图 4. 9个样品的吸收光谱。(a)原始吸收光谱;(b)厚度校正增强后的吸收光谱

Fig. 4. Absorption spectra of nine samples. (a) Original absorption spectra; (b) absorption spectra after thickness corrected enhancement

下载图片 查看原文

图 5. 双通道卷积神经网络结构

Fig. 5. Structure of dual-channel convolutional neural network

下载图片 查看原文

图 6. 模型训练过程中的损失函数值

Fig. 6. Loss function value in the process of model training

下载图片 查看原文

图 7. 融合权重对算法精度的影响

Fig. 7. Influence of fusion weight on the accuracy of the algorithm

下载图片 查看原文

图 8. 测试集预测结果

Fig. 8. Test set prediction results

下载图片 查看原文

表 1不同模型下的灰分质量分数预测结果

Table1. Prediction results of ash mass fraction under different models

ModelTraining set(Nsam=32)Prediction set(Nsam=14)
R2 /%ERMSR2 /%ERMS
Proposed98.210.144293.560.2037
CNN95.380.185891.330.3145
PLSR91.560.276787.330.4736
BP89.310.434985.470.5989
LSSVM90.780.273486.680.4595

查看原文

任姣姣, 焦铁鑫, 顾健, 陈奇, 李丽娟, 张霁旸. 基于双通道卷积神经网络的煤灰分太赫兹预测[J]. 光学学报, 2023, 43(22): 2230001. Jiaojiao Ren, Tiexin Jiao, Jian Gu, Qi Chen, Lijuan Li, Jiyang Zhang. Terahertz Coal Ash Prediction Method Based on Dual-Channel Convolutional Neural Network[J]. Acta Optica Sinica, 2023, 43(22): 2230001.

引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!