zhpsЖурнал прикладной спектроскопииZhurnal Prikladnoii Spektroskopii0514-7506B. I. Stepanov Institute of Physics of the National Academy of Scienceszhps-1097Research ArticleСтатьиМетод классификации угля и пустой породы с использованием терагерцовой спектроскопии во временной области и комбинации кластерного анализа и анализа главных компонентClassification Method of Coal and Gangue Using Terahertz Time-Domain Spectroscopy, Cluster Analysis and Principal Component AnalysisShaoD.ShaoD.

Хуайбэй

Huaibei

MiaoSh.MiaoSh.

Хуайбэй

Huaibei

msgmcu@126.comFanQ.FanQ.

Хуайбэй

Huaibei

WangX.WangX.

Хуайбэй

Huaibei

LiuZh.LiuZh.

Сюйчжоу

Сюйчжоу, Цзянсу

Xuzhou

Xuzhou, Jiangsu

DingЕ.DingE.

Сюйчжоу

Сюйчжоу, Цзянсу

Xuzhou

Xuzhou, Jiangsu

Школа физики и электронной информации Хуайбэйского педагогического университетаSchool of Physics and Electronic Information at Huaibei Normal UniversityШкола информатики и управления Китайского горно-технологического университета; IOT Исследовательский центр Perception Mine Китайского горно-технологического университетаSchool of Information and Control Engineering at China University of Mining and Technology; IOT Perception Mine Research Center, China University of Mining and Technology202228072022894555561Copyright © Shao D., Miao S., Fan Q., Wang X., Liu Z., Ding Е., 20222022Shao D., Miao S., Fan Q., Wang X., Liu Z., Ding Е.Shao D., Miao S., Fan Q., Wang X., Liu Z., Ding E.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://zhps.ejournal.by/jour/article/view/1097

Терагерцовая спектроскопия во временной области объединена с многомерным статистическим анализом для выявления различных видов угля и пустой породы. Измерены терагерцовый спектр и спектр мощности образца, показатель преломления и коэффициент поглощения образца рассчитаны по терагерцовому спектру образца во временной области. Обнаружены значительные различия в спектре мощности, показателе преломления и коэффициенте поглощения для разных видов угля и пустой породы. После объединения многомерных статистических методов – кластерного анализа (CA) и анализа главных компонент (PCA) – создана модель, основанная на параметрах ТГц, и исследованы различные типы угля и пустой породы. При кластерном анализе евклидово расстояние между образцами двух типов и оценка первой главной компоненты при анализе главных компонент отражают сходство и различие между образцами угля и породы. Результаты, полученные этими методами, согласуются между собой. Показано, что сочетание терагерцовой технологии  и многомерных статистических методов дает точный подход к различению угля и пустой породы.

The process of coal mining generates high amounts of coal gangue. Accordingly, coal-gangue separation is a key problem limiting coal production and quality. Terahertz time-domain spectroscopy was combined with multivariate statistical analyses to identify different kinds of coal and gangue. First, the terahertz spectrum and power spectrum of the sample were measured, and the refractive index and absorption coefficient of the sample were calculated from the terahertz time-domain spectrum of the sample. Significant differences in the power spectrum, refractive index, and absorption coefficient were found between different kinds of coal and gangue. After combining multivariate statistical methods – cluster analysis (CA) and principal component analysis (PCA) – a model based on THz parameters and different types of coal and gangue was established. During cluster analysis, the Euclidean distance of two types of samples and the score of the first principal component in the principal component analysis could reflect the similarity and dissimilarity between coal and gangue samples, and consistent results were obtained for CA and PCA. The experimental results showed that the combination of terahertz technology and multivariate statistical methods yielded an accurate approach to distinguishing between coal and gangue.

терагерцовая спектроскопия во временной областиклассификация угольных породанализ главных компоненткластерный анализterahertz time-domain spectroscopycoal-gangue classificationprincipal component analysiscluster analysisThis work was supported by financially by The National Natural Science Foundation of China (Grant No. 52074273), the Key Natural Science Research Project for Colleges and Universities of Anhui Province (Grant No. KJ2020A0027), and the Natural Science Foundation of Anhui Province (Grant No. 2008085MF211).ReferencesH. Y. Ge, Y. Y. Jiang, Z.H. Xu, F. Y. Lian, Y. Zhang, S. H. Xia, Opt. Express, 22, 12533–12544 (2014).H. Y. Ge, Y. Y. Jiang, Z.H. Xu, F. Y. Lian, Y. Zhang, S. H. Xia, Opt. Express, 22, 12533–12544 (2014).Y. F. Hua, H. J. Zhang, IEEE T. Microw. Theory, 58, 2064–2070 (2010).Y. F. Hua, H. J. Zhang, IEEE T. Microw. Theory, 58, 2064–2070 (2010).C. B. Reid, G. Reese, A. P. Gibson, V. P. Wallace, IEEE J. Biomed. Health, 17, 774–778 (2013).C. B. Reid, G. Reese, A. P. Gibson, V. P. Wallace, IEEE J. Biomed. Health, 17, 774–778 (2013).Y. B. Ji, C. H. Park, H. Kim, S. H. Kim, G. M. Lee, S. K. Noh, T. I. Jeon, J. H. Son, Y. M. Huh, S. Haam, S. J. Oh, S. K. Lee, J. S. Suh, Biomed. Opt. Express, 6, 1398–1406 (2015).Y. B. Ji, C. H. Park, H. Kim, S. H. Kim, G. M. Lee, S. K. Noh, T. I. Jeon, J. H. Son, Y. M. Huh, S. Haam, S. J. Oh, S. K. Lee, J. S. Suh, Biomed. Opt. Express, 6, 1398–1406 (2015).A. A. Gowen, C. O’Sullivan, C. P. O’Donnell, Trends Food Sci. Tech., 25, 40–46 (2012).A. A. Gowen, C. O’Sullivan, C. P. O’Donnell, Trends Food Sci. Tech., 25, 40–46 (2012).H. L. Zhan, J. F. Xi, K. Zhao, R. M. Bao, L. Z. Xiao, Food Control, 67, 114–118 (2016).H. L. Zhan, J. F. Xi, K. Zhao, R. M. Bao, L. Z. Xiao, Food Control, 67, 114–118 (2016).S. Wietzke, C. Jansen, T. Jung, M. Reuter, B. Baudrit, M. Bastian, S. Chatterjee, M. Koch, Opt. Express, 17, 19006–19014 (2009).S. Wietzke, C. Jansen, T. Jung, M. Reuter, B. Baudrit, M. Bastian, S. Chatterjee, M. Koch, Opt. Express, 17, 19006–19014 (2009).J. Neu, C. A. Schmuttenmaer, J. Appl. Phys., 124, 231101 (2018).J. Neu, C. A. Schmuttenmaer, J. Appl. Phys., 124, 231101 (2018).H. L. Zhan, K. Zhao, L. Z. Xiao, Energy, 93, 1140–1145 (2015).H. L. Zhan, K. Zhao, L. Z. Xiao, Energy, 93, 1140–1145 (2015).M. Mumtaz, M. A. Mahmood, A. Shahzad, S. D. Khan, M. A. Zia, M. Ahmed, I. Ahmad, J. Infrared, Millim. Te., 41, 1181–1188 (2020).M. Mumtaz, M. A. Mahmood, A. Shahzad, S. D. Khan, M. A. Zia, M. Ahmed, I. Ahmad, J. Infrared, Millim. Te., 41, 1181–1188 (2020).D. Wang, Y. Zhang, J. Han, X. Li, X. F. Chen, T. Z. Qiu, H. Chen, Sci. Rep., 11, 13209 (2021).D. Wang, Y. Zhang, J. Han, X. Li, X. F. Chen, T. Z. Qiu, H. Chen, Sci. Rep., 11, 13209 (2021).T. D. Dorney, R. G. Baraniuk, D. M. Mittleman, J. Opt. Soc. Am. A, 18, 1562–1571 (2001).T. D. Dorney, R. G. Baraniuk, D. M. Mittleman, J. Opt. Soc. Am. A, 18, 1562–1571 (2001).F. Wang, S. Guo, J. F. Zhao, H. Y. Xia, R. M. Bao, H. L. Zhan, J. N. Wang, Spectrosc. Spectr. Anal., 38, 3638–3644 (2018).F. Wang, S. Guo, J. F. Zhao, H. Y. Xia, R. M. Bao, H. L. Zhan, J. N. Wang, Spectrosc. Spectr. Anal., 38, 3638–3644 (2018).H. L. Zhan, S. X. Wu, R. M. Bao, L. N. Ge, K. Zhao, Fuel, 143, 189–193 (2015).H. L. Zhan, S. X. Wu, R. M. Bao, L. N. Ge, K. Zhao, Fuel, 143, 189–193 (2015).H. Park, J. H. Son, Sensors, 21, 1186 (2021).H. Park, J. H. Son, Sensors, 21, 1186 (2021).

The authors declare that there are no conflicts of interest present.