基于LSM和RELBP的煤岩识别方法探讨

对当前煤岩识别方法的研究现状进行了介绍,并提出将最小二乘法模型(Least square model,LSM)和融入平滑滤波思想的鲁棒扩展局部二值模式(Robust extended local binary Pattern,RELBP)融入煤岩识别领域。对基于LSM和RELBP的煤岩识别方法的煤岩自动化识别技术(RELBP-LSM)进行了探讨。结果表明:(1)当前的煤岩识别方法大多存在效果较差、稳定性欠佳、适用范围小等缺点,同时易受人为因素的影响;(2)以最小二乘法和局部二值模式为理论基础,建立起RELBP-LSM煤岩识别方法,并通过参数敏感性分析,确定正则化参数λ的最佳取值为10-3.5,优选模式数d的最佳取值为500;(3)对不同方法的准确识别率进行对比分析,认为RELBP-LSM法不仅具有较高的准确识别率,同时能大大降低内存占用率,加快识别速率和效率。