基于改进近邻函数准则的煤质识别方法研究
Mathematics in Practice and Theory（2019）
摘要
为实现对煤炭种类的快速有效煤质识别,选取实验室实测的十六种煤样的十项煤质特性指标数据,分别利用多功能多元素综合分析仪进行碳、氢、氧、硫元素测定,利用透反射偏光显微镜进行镜质组、丝质组和壳质组三大显微组分测定,利用电子天平称量法进行了块状颗粒体比例和粒状颗粒体比例测定.对近邻函数准则识别算法进行改进,采用隶属关系矩阵替代基于近邻函数准则识别算法中的距离矩阵,并利用欧氏距离法构造隶属关系矩阵,增强了煤质特性指标数据间的关联性.通过煤质识别实例分析,计算改进的煤质特性指标近邻函数矩阵与类内类间连接损失量,得到烟煤的总损失最小,进而判定煤样16属于烟煤一类.结果与实际相符,证明了方法的实用性和正确性,对煤质检测部门和煤炭勘探部门具有一定借鉴意义.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要