激光诱导击穿光谱 (LIBS) 已被公认为在线分析煤炭特性（包括灰分含量、挥发分含量和热值）的有效技术。然而，为了进一步提高定量分析的准确性，北京理工大学和牛津大学的研究人员提出了一种称为极化光谱融合的新方法。

　　在最近的一项研究中，主要作者 Qianqian Wang 和 Geer Teng 使用平均光谱的 Stokes 参数分析了激光诱导煤等离子体发射的偏振效应 (1)。他们发现，通过融合偏振光谱数据，可以利用发射的部分偏振现象来提高定量分析模型的性能。

　　融合方案涉及组合来自两个不同等离子体偏振光谱的数据：PRLIBS (0°, 0) 代表水平偏振和 PRLIBS (90°, 0) 代表垂直偏振。通过融合这些数据集，研究人员旨在获取更全面的光谱信息集，从而提高预测准确性。

　　该团队使用融合数据建立了一个高效的预测模型，并评估了其在预测煤的灰分、挥发分和热值方面的性能。结果令人鼓舞，融合模型的灰分含量预测均方根误差 (RMSEP) 为 1.497%，挥发物含量预测值为 0.595%，热值预测值为 0.597%。决定系数 ( R 2) 也很高，灰分含量为 0.980，挥发分含量为 0.968，热值为 0.978。

　　将融合模型与基于单个 PRLIBS (0°, 0)、PRLIBS (90°, 0) 和 LIBS 数据的回归模型进行比较，数据融合方案证明了预测模型性能的显着改进。这种改进可归因于 PRLIBS (0°, 0) 和 PRLIBS (90°, 0) 之间没有完美的相关性。通过融合偏振光谱，研究人员能够捕获更多具有高重要性分数的特征光谱线，从而提高预测准确性。

　　本研究的结果证明了极化光谱融合方法在为煤分析提供更好的分析结果方面的可行性和有效性。通过利用 LIBS 中的部分偏振发射，融合模型可以增强对煤特性的理解，从而能够更准确地预测灰分含量、挥发分含量和热值。

　　所提出的方法对于推进激光诱导击穿光谱在煤分析中的应用具有巨大潜力。随着准确性的提高，研究人员和行业专业人士可以就煤炭质量、燃烧效率和环境影响做出更明智的决策。这一发展有助于优化煤炭利用和确保可持续能源生产的持续努力。