摘要： 灰分和热值是影响煤炭工业生产与利用的重要因素，如何快速、精确地进行在线煤质测定也是开采和使用中亟需解决的关键问题。利用激光诱导击穿光谱技术(LIBS)结合偏最小二乘回归(PLSR)和极限学习机模型(K-ELM)用于在线煤炭灰分和热值分析，通过对样品中Si、Al、Fe、Ca、Mg、Na、K、Ti、N、H等元素特征谱线进行主导因素选择(DF),进一步提高预测模型的分析精度。结果发现，利用DF方法，PLSR和K-ELM模型的预测精度均有所提高；相比于常用的PLSR预测模型，DF-K-ELM模型的煤炭灰分和热值的决定系数分别提高了3.4%和5.6%,均方根误差分别降低了0.214和0.297。所研究的煤炭灰分和热值预测模型对于提高LIBS煤质在线分析具有重要的参考价值。
