【目的】レーザー誘起破壊分光法（LIBS）技術は、複雑な試料前処理が不要で、多指標の同時検出や迅速な分析などの利点を有し、石炭品質の迅速分析分野で大きな応用可能性を持っている。しかし、異なる機器によるスペクトル信号応答の違いから、主機器のスペクトルデータで訓練された定量分析モデルは、他の従機器に適用した場合に精度が著しく低下する。そこで本研究では、TrAdaBoost転移学習に基づき、異なる機械学習アルゴリズムを組み合わせて機器間LIBSの石炭品質定量分析モデルを構築した。 【方法】 2台のLIBS石炭迅速検出装置を主機器と従機器として扱い、それぞれで異なる数の石炭試料のLIBSスペクトルを収集した。ランダムフォレスト（RF）、サポートベクターマシン（SVR）、およびTrAdaBoostを組み合わせたRF（Tr A-RF）とSVR（Tr A-SVR）を用いて石炭品質の定量分析モデルを構築し、従機器で未知の石炭試料の品質を分析してモデル性能を比較した。 【結果】 結果は、RFおよびSVRモデルと比較してTr A-RFおよびTr A-SVRモデルが石炭品質予測の精度を有意に向上させたことを示した。特にTr A-RFモデルは最も高い予測精度を示し、RFモデルと比較して発熱量、灰分、炭素含有量の平均絶対誤差がそれぞれ1.390 MJ/kg、4.774％、3.826％から0.654 MJ/kg、2.338％、1.927％に減少した。Tr A-SVRモデルは揮発分の予測精度が最も高く、SVRモデルと比較して平均絶対誤差が2.722％から2.524％に減少した。 【結論】 研究結果は、適切な基礎学習器を組み合わせた転移学習が異なる機器に対する石炭品質定量分析モデルの適応性を向上させることを示している。

レーザー誘起破壊分光法;転移学習;石炭品質;定量分析;機械学習