宋亮
- 作品数：3 被引量：14H指数：2
- 供职机构：东北大学更多>>
- 发文基金：国家自然科学基金国家科技支撑计划更多>>
- 相关领域：矿业工程天文地球一般工业技术更多>>
- 煤与矸石的光谱分析方法与遥感应用研究被引量：2
- 2021年
- 我国有大量的煤矿区,其中煤与矸石是煤矿区的主要固体堆放物,它们不仅占用大量土地,还会发生自燃、滑坡、坍塌等,造成严重的环境与灾害问题。因此,如何通过遥感手段进行煤与矸石的快速、有效识别,以及堆放情况的动态监测成为一个重要而又现实的问题。论文以煤矿区的煤和矸石作为研究对象,在实测并分析煤与矸石的可见光-近红外和热红外光谱的基础上,建立煤和矸石的识别、分类和反演模型,并利用卫星遥感手段提取矿区煤与矸石的空间分布信息,最终实现煤和矸石的识别与监测。
- 宋亮
- 关键词：煤矿区卫星遥感动态监测灾害问题反演模型
- 电化学法制备二硼化镁膜的工艺优化研究
- 金属间化合物超导体MgB2,因具有较高的临界转变温度/(Tc=39K/)、高的临界电流密度/(105A//cm2/)和简单的结构,故而引起了科学界对其广泛地关注。本实验采用熔盐电化学法在不同衬底上制备MgB2超导膜。利用...
- 宋亮
- 关键词：二硼化镁熔盐电解
- 文献传递
- 可见、近红外光谱和深度学习CNN-ELM算法的煤炭分类被引量：12
- 2018年
- 煤是工业的主要能源,煤的品质对工业和环境起决定性作用。在使用煤的过程中,如果不能准确确定煤的品种,有可能对生产效率、环境污染、经济损失等会造成重大的影响。传统的煤分类,主要依靠人工方法和化学分析方法,这些方法的缺点是高成本和耗费时间。如何快速准确确定煤的品质很重要。因此,提出深度学习、极限学习机-ELM算法和可见、红外光谱联合建立煤矿分类模型。首先,从抚顺、伊敏和河南夹津口煤矿区采取不同煤样品,并使用美国Spectra Vista公司的SVC HR-1024地物光谱仪测得光谱数据。然后利用深度学习的卷积神经网络-CNN提取光谱特征,并采用ELM算法对光谱数据建立分类模型。最后,为进一步提高分类精度,引入粒子群算法。通过全新定义惯性权重和加速系数的取值范围来改进粒子群算法,并使用改进粒子群算法优化CNN-ELM网络。实验结果表明,和PCA特征提取方法比较,CNN网络能够更好的提取光谱特征,CNN-ELM分类模型有良好的分类效果;改进ELM分类模型的分类精度高于基础ELM和SVM分类模型。与传统的化学分析方法和人工方法相比,此方法在经济、速度、准确性方面均具有无可比的优势。
- LE Ba Tuan肖冬毛亚纯宋亮何大阔刘善军
- 关键词：粒子群极限学习机
