本發明公開了一種基于紅外光譜和機器學習的固體廢物含水率預測方法,包括如下步驟:采集典型多源固體廢物,利用傅里葉變換衰減全反射紅外光譜技術,獲取固體廢物光譜數據;通過光譜數據預處理及特征光譜提取,結合機器學習算法,建立多源固體廢物含水率預測模型;利用構建的模型和待測固體廢物樣品的紅外光譜,預測固體廢物的含水率。相比于傳統的干燥前后稱重的破壞性測定方法,本發明無需樣品破碎、干燥和稱重等操作,可以無損預測多源固體廢物的含水率,且具有更快的檢測速度。
聲明:
“基于紅外光譜和機器學習的固體廢物含水率預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)