JP2020118579A - Method for estimating physical property value of coal, method for generating coal characteristic graph, device for estimating physical property value of coal, and device and program for generating coal characteristic graph - Google Patents

Method for estimating physical property value of coal, method for generating coal characteristic graph, device for estimating physical property value of coal, and device and program for generating coal characteristic graph Download PDF

Info

Publication number
JP2020118579A
JP2020118579A JP2019010873A JP2019010873A JP2020118579A JP 2020118579 A JP2020118579 A JP 2020118579A JP 2019010873 A JP2019010873 A JP 2019010873A JP 2019010873 A JP2019010873 A JP 2019010873A JP 2020118579 A JP2020118579 A JP 2020118579A
Authority
JP
Japan
Prior art keywords
coal
physical property
property value
value
spectrum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2019010873A
Other languages
Japanese (ja)
Other versions
JP7156058B2 (en
Inventor
慶子 後藤
Keiko Goto
慶子 後藤
友輝 畑
Yuki Hata
友輝 畑
康二 金橋
Koji Kanehashi
康二 金橋
秀幸 林崎
Hideyuki Hayashizaki
秀幸 林崎
貴文 高橋
Takafumi Takahashi
貴文 高橋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Steel Corp
Original Assignee
Nippon Steel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Steel Corp filed Critical Nippon Steel Corp
Priority to JP2019010873A priority Critical patent/JP7156058B2/en
Publication of JP2020118579A publication Critical patent/JP2020118579A/en
Application granted granted Critical
Publication of JP7156058B2 publication Critical patent/JP7156058B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

To assist in more easily and more precisely grasping characteristics of coal by a user by making good use of aC-NMR spectrum of coal.SOLUTION: A method for estimating physical property values of coal comprises: acquiring first spectral data representing an NMR spectrum as to nuclear speciesC of known coal a physical property value of which is known; specifying relation between an explanatory variable and an objective variable through multivariable analysis using the acquired first spectral data as a sample of the explanatory variable and the physical property value of the known coal as a sample of the objective variables; acquiring second spectral data representing an NMR spectrum as to nuclear speciesC of unknown coal a physical property value of which is unknown; and estimating the physical property value of the known coal based upon the acquired second spectral data and the specified relation.SELECTED DRAWING: Figure 12

Description

本発明は、石炭の物性値の推定方法、石炭特性グラフの生成方法、石炭の物性値の推定装置、石炭特性グラフの生成装置及びプログラムに関する。 The present invention relates to a method for estimating a physical property value of coal, a method for generating a coal characteristic graph, a device for estimating a physical property value for coal, a device for generating a coal characteristic graph, and a program.

電磁波を用いて物質を分析する手法がある。このような手法には、非破壊で試料全体の原子レベルの情報が得られるものがあり、代表例として測定対象の物質に対するＮＭＲ（Ｎｕｃｌｅａｒ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ、核磁気共鳴）測定により得られたデータを用いて分析する手法、測定対象の物質に赤外（Ｉｎｆｒａ Ｒｅｄ、ＩＲ）線を照射し、透過（又は、反射）した光を分光することでスペクトルを得て、物質を分析する手法がある。
特許文献１には、ＮＭＲスペクトルのノイズを低減する装置及び方法が開示されている。特許文献１では、ＮＭＲスペクトルのノイズを低減して、Ｓ／Ｎ比の高いＮＭＲスペクトルを得ることができる。
また、特許文献２には、石炭中の無機鉱物の化学形態を推定するために、ＮＭＲ法を利用して、石炭中の無機鉱物の化学形態を推定する方法が開示されている。
また、特許文献３には、従来の中赤外線スペクトルを測定する方法に比べて、赤外線を用いて材料を測定し、より簡便、且つ迅速な高分子材料のグレードを識別する方法が開示されている。 There is a method of analyzing a substance using electromagnetic waves. Some of such techniques can obtain information on the atomic level of the entire sample in a non-destructive manner. As a typical example, data obtained by NMR (Nuclear Magnetic Resonance) measurement of a substance to be measured is used. There is a method for analyzing the substance by irradiating the substance to be measured with infrared (Infra Red, IR) rays and spectrally analyzing the transmitted (or reflected) light.
Patent Document 1 discloses an apparatus and method for reducing noise in an NMR spectrum. In Patent Document 1, noise in the NMR spectrum can be reduced and an NMR spectrum with a high S/N ratio can be obtained.
Further, Patent Document 2 discloses a method of estimating the chemical form of an inorganic mineral in coal by using an NMR method in order to estimate the chemical form of an inorganic mineral in coal.
Further, Patent Document 3 discloses a method of measuring a material by using infrared rays to identify a grade of a polymer material more simply and quickly, as compared with a conventional method of measuring a mid-infrared spectrum. ..

国際公開第２０１６／０９８８４５号International Publication No. 2016/098845 特開２００６−３３７１８６号公報JP 2006-337186 A 特開２００２−９０２９９号公報JP 2002-90299 A

石炭を測定対象として得られた13Ｃ−ＮＭＲスペクトルには、石炭の特性についての有用な情報が含まれているが、ＮＭＲスペクトルの解釈には、ＮＭＲについての専門知識が必要となる。ＮＭＲについての専門知識がない者にとっては、石炭の13Ｃ−ＮＭＲスペクトルに含まれる情報を有用に活用できなかった。そこで、石炭の13Ｃ−ＮＭＲスペクトルを用いて、ＮＭＲスペクトルに関する専門知識がないようなユーザが、より容易に、より精度よく石炭の特性を把握できるように支援したいという要望がある。
しかし、特許文献１〜３等の従来技術では、このような要望を実現できなかった。
そこで、本発明は、石炭の13Ｃ−ＮＭＲスペクトルの情報を活用して、ユーザによる、より容易で、より精度のよい石炭の特性の把握を支援することを目的とする。 The 13 C-NMR spectrum obtained by measuring coal contains useful information about the characteristics of coal, but interpretation of the NMR spectrum requires expertise in NMR. The information contained in the 13 C-NMR spectrum of coal could not be utilized effectively for those who had no expertise in NMR. Therefore, there is a demand to support a user who does not have the specialized knowledge about the NMR spectrum by using the 13 C-NMR spectrum of the coal so that the characteristics of the coal can be grasped more easily and more accurately.
However, the prior arts of Patent Documents 1 to 3 and the like could not fulfill such a demand.
Therefore, an object of the present invention is to utilize the information of 13 C-NMR spectrum of coal to assist the user in grasping the characteristics of coal more easily and more accurately.

本発明の推定方法は、物性値が既知の石炭である既知石炭の核種13ＣについてのＮＭＲ（Ｎｕｃｌｅａｒ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ）スペクトルを示す第１のスペクトルデータを取得する第１の取得工程と、前記第１の取得工程で取得された前記第１のスペクトルデータを説明変数のサンプルとして、前記既知石炭の前記物性値を目的変数のサンプルとして、前記第１のスペクトルデータと前記既知石炭の前記物性値とを用いた多変量解析により、前記説明変数と前記目的変数との関係を特定する特定工程と、前記物性値が未知の石炭である未知石炭の核種13ＣについてのＮＭＲスペクトルを示す第２のスペクトルデータを取得する第２の取得工程と、前記第２の取得工程で取得された前記第２のスペクトルデータと、前記特定工程で特定された前記関係と、に基づいて、前記未知石炭の前記物性値を推定する推定工程と、を含む。
また、本発明の生成方法は、物性値が既知の石炭である既知石炭の核種13ＣについてのＮＭＲスペクトルを示す第１のスペクトルデータを取得する第１の取得工程と、物性値が未知の石炭である未知石炭の核種13ＣについてのＮＭＲスペクトルを示す第２のスペクトルデータを取得する第２の取得工程と、前記第１の取得工程で取得された前記第１のスペクトルデータに対する主成分分析により求まる第１主成分と第２主成分とにそれぞれ対応する２つの軸で表されるグラフであって、前記第１の取得工程で取得された前記第１のスペクトルデータと前記第２の取得工程で取得された前記第２のスペクトルデータとのそれぞれに対応するオブジェクトがプロットされたグラフを生成する生成工程と、を含む。 The estimation method of the present invention includes a first acquisition step of acquiring first spectrum data showing an NMR (Nuclear Magnetic Resonance) spectrum of a known coal nuclide 13 C which is a known physical property value, and the first step. The first spectrum data acquired in the acquisition step as a sample of explanatory variables, the physical property value of the known coal as a sample of the target variable, the first spectral data and the physical property value of the known coal By the multivariate analysis used, a specific step of specifying the relationship between the explanatory variable and the objective variable, and the second spectrum data showing the NMR spectrum of the nuclide 13 C of unknown coal whose physical property value is unknown. Based on the second acquisition step of acquiring, the second spectrum data acquired in the second acquisition step, and the relationship specified in the specifying step, the physical property value of the unknown coal And an estimation step of estimating.
In addition, the production method of the present invention includes a first acquisition step of acquiring first spectrum data showing an NMR spectrum of a nuclide 13 C of known coal which is a coal whose physical property value is known, and coal whose physical property value is unknown. By the second acquisition step of acquiring the second spectrum data showing the NMR spectrum of the nuclide 13 C of the unknown coal which is, and the principal component analysis on the first spectrum data acquired in the first acquisition step. It is a graph represented by two axes respectively corresponding to the first principal component and the second principal component that are obtained, the first spectral data acquired in the first acquiring step, and the second acquiring step. And a generation step of generating a graph in which objects corresponding to the respective second spectrum data acquired in step 1 are plotted.

本発明によれば、石炭の13Ｃ−ＮＭＲスペクトルの情報を活用して、ユーザによるより容易で、より精度のよい石炭の特性の把握を支援することができる。 According to the present invention, the information of 13 C-NMR spectrum of coal can be utilized to assist the user in grasping the characteristics of coal more easily and more accurately.

図１は、実験に用いた石炭の分類の一例を説明する図である。FIG. 1 is a diagram illustrating an example of classification of coal used in an experiment. 図２は、各石炭の特性を示すコールバンドの一例を示す図である。FIG. 2 is a diagram showing an example of a call band showing the characteristics of each coal. 図３は、従来の物性値の推定方法の一例について説明する図である。FIG. 3 is a diagram illustrating an example of a conventional method for estimating physical property values. 図４は、各石炭のＮＭＲスペクトルの一例を示す図である。FIG. 4 is a diagram showing an example of an NMR spectrum of each coal. 図５は、主成分回帰分析を用いた物性値の推定方法を説明する図である。FIG. 5 is a diagram illustrating a method of estimating a physical property value using principal component regression analysis. 図６は、各石炭の分布を示すグラフの一例を示す図である。FIG. 6 is a diagram showing an example of a graph showing the distribution of each coal. 図７は、部分的最小二乗回帰分析を用いた物性値の推定方法を説明する図である。FIG. 7 is a diagram illustrating a method of estimating a physical property value using partial least squares regression analysis. 図８は、実験結果を示す図である。FIG. 8 is a diagram showing experimental results. 図９は、解析システムのシステム構成の一例を示す図である。FIG. 9 is a diagram showing an example of the system configuration of the analysis system. 図１０は、情報処理装置のハードウェア構成の一例を示す図である。FIG. 10 is a diagram illustrating an example of the hardware configuration of the information processing device. 図１１は、情報処理装置の機能構成の一例を示す図である。FIG. 11 is a diagram illustrating an example of a functional configuration of the information processing device. 図１２は、推定処理の一例を示すフローチャートである。FIG. 12 is a flowchart showing an example of the estimation process. 図１３は、生成処理の一例を示すフローチャートである。FIG. 13 is a flowchart showing an example of the generation process.

＜実施形態＞
以下、本発明の一実施形態について図面に基づいて説明する。 <Embodiment>
An embodiment of the present invention will be described below with reference to the drawings.

（着想）
石炭のコークス製造時の膨張性等には、種々の要因が複雑に関連していると考えられる。要因の中でも最多構成元素である炭素骨格構造の変化に種々の物性が大きく関連することが予想される。したがって、炭素環境の詳細な違いを反映した情報からの物性予測をもとに、コークス化に適した粘結性を有するための原炭選定手法を提案していくことが適当と考えられる。そのためにはまず、炭素骨格構造の違いを詳細に反映する分析手法の情報に基づいて、石炭の特性を分析することが有効と考えられる。
石炭の13Ｃ−ＮＭＲスペクトルには、元素分析では得られない炭素骨格構造（分子構造）に関する情報が含まれており、コークス製造において重要な石炭の各種物性値の情報が含まれていると考えられる。13Ｃ−ＮＭＲスペクトルとは、試料中の核種13Ｃ（７個の中性子を含む炭素の同位体）に対するＮＭＲ（Ｎｕｃｌｅａｒ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ、核磁気共鳴）の測定により得られるスペクトルである。ＮＭＲとは、磁気モーメントをもつ核種を含む試料を磁場の中におき、共鳴条件を満たす周波数の電磁波を加えたときにおこる共鳴現象である。
ＮＭＲスペクトルでは、ある特性に関わるとされる特定帰属スペクトル領域のみに着目した分析が行われてきたが、他の物性変化に関わりうる他の分子構造要因について考慮していなかった。そこで、発明者らは、13Ｃ−ＮＭＲスペクトルの個々のピークのみに着目するのではなく、重要な情報が含まれていると考えられる特定の化学シフトの範囲内のスペクトル全体をデータとみなし、これに多変量解析を適用して、石炭の物性値を推定するという着想を得た。このようにスペクトル全体のデータを用いることで、スペクトル解析の際の客観性を極力保持できる。 (idea)
It is considered that various factors are complicatedly related to the expansivity of coal during coke production. Among the factors, it is expected that various physical properties are greatly related to changes in the carbon skeleton structure, which is the most constituent element. Therefore, it is considered appropriate to propose a method for selecting raw coal that has cohesiveness suitable for coking, based on physical property prediction from information that reflects detailed differences in carbon environment. For that purpose, first, it is considered effective to analyze the characteristics of coal based on the information of the analysis method that reflects the difference in the carbon skeleton structure in detail.
The 13 C-NMR spectrum of coal contains information on the carbon skeleton structure (molecular structure) that cannot be obtained by elemental analysis, and is considered to contain information on various physical property values of coal important in coke production. To be The 13 C-NMR spectrum is a spectrum obtained by measurement of NMR (Nuclear Magnetic Resonance) for 13 C (a carbon isotope containing 7 neutrons) in the sample. NMR is a resonance phenomenon that occurs when a sample containing a nuclide having a magnetic moment is placed in a magnetic field and an electromagnetic wave having a frequency satisfying the resonance condition is applied.
In the NMR spectrum, an analysis focusing only on a specific attribution spectral region related to a certain property has been performed, but other molecular structural factors that may be related to other changes in physical properties have not been considered. Therefore, the inventors did not pay attention to only individual peaks of the 13 C-NMR spectrum, but regarded the entire spectrum within the range of a specific chemical shift considered to contain important information as data, By applying multivariate analysis to this, I got the idea to estimate the physical properties of coal. By using the data of the whole spectrum in this way, the objectivity at the time of spectrum analysis can be maintained as much as possible.

（実験）
発明者らは、得た着想の実効性の確認のための実験を行った。以下に発明者らが行った実験について説明する。
発明者らは、１４種類の石炭Ａ〜Ｎを用意した。図１は、石炭Ａ〜Ｎの分類を示す図である。図１の表には、石炭Ａ〜Ｎそれぞれについての、炭素含有率に基づいた分類と、Ｋｒｅｖｅｌｅｎコールバンド上での分類と、が示されている。石炭は、石炭化度の高い方から、無煙炭、瀝青炭、亜瀝青炭、褐炭、亜炭、泥炭に分類される。また、瀝青炭は、粘結性に応じて、粘結性が相対的に高い高度瀝青炭と、粘結性が相対的に低い低度瀝青炭と、に分類される。 (Experiment)
The inventors conducted an experiment for confirming the effectiveness of the obtained idea. The experiments conducted by the inventors will be described below.
The inventors prepared 14 types of coals A to N. FIG. 1 is a diagram showing classification of coals A to N. The table of FIG. 1 shows the classification based on the carbon content and the classification on the Krevelen Coal band for each of the coals A to N. Coal is classified into anthracite, bituminous coal, sub-bituminous coal, lignite, lignite, and peat in descending order of degree of coalification. Further, bituminous coal is classified into high-grade bituminous coal having a relatively high caking property and low-grade bituminous coal having a relatively low caking property according to the caking property.

図２は、Ｋｒｅｖｅｌｅｎコールバンド（以下で―は、コールバンドとする）であって、石炭Ａ〜Ｎそれぞれがプロットされたコールバンドを示す図である。コールバンドは、石炭の構成元素の比である水素／炭素（Ｈ／Ｃ）及び酸素／炭素（Ｏ／Ｃ）それぞれに対応する２つの軸で表される２次元グラフである。図２のコールバンド上にプロットされた円形のオブジェクト、三角形のオブジェクト、菱形のオブジェクトは、それぞれ石炭Ａ〜Ｎの何れかを示すオブジェクトである。円形のオブジェクトに対応する石炭は、ジラトメータを用いて最大膨張率（ＭＤ）が測定可能な石炭である。三角形のオブジェクトに対応する石炭は、ジラトメータを用いてＭＤが十分な精度で測定できなかった石炭である。菱形のオブジェクトに対応する石炭は、ジラトメータを用いてＭＤが測定できなかった石炭である。図２が示すように、石炭Ａ〜Ｄ、Ｉ、Ｊ、Ｎそれぞれは、ジラトメータを用いてＭＤが測定できなかった石炭である。また、石炭Ｅ、Ｇ、Ｈそれぞれは、ジラトメータを用いてＭＤが十分な精度で測定できなかった石炭である。また、石炭Ｆ、Ｋ〜Ｌそれぞれは、ジラトメータを用いてＭＤが測定可能な石炭である。
図２のコールバンド上の実線の斜線群は、脱メタンに対応する反応線である。また、破線の斜線群は、脱水に対応する反応線である。また、一点鎖線の斜線群は、脱炭酸に対応する反応線である。 FIG. 2 is a view showing Krevelen call bands (hereinafter, − is a call band) in which the coals A to N are plotted. The Coal band is a two-dimensional graph represented by two axes corresponding to hydrogen/carbon (H/C) and oxygen/carbon (O/C), which are ratios of constituent elements of coal. A circular object, a triangular object, and a rhombic object plotted on the call band in FIG. 2 are objects indicating any of coals A to N, respectively. Coal corresponding to a circular object is coal whose maximum expansion coefficient (MD) can be measured using a dilatometer. The coal corresponding to the triangular object is the coal whose MD could not be measured with sufficient accuracy using a dilatometer. The coal corresponding to the diamond-shaped object is the coal whose MD could not be measured using the dilatometer. As shown in FIG. 2, each of coals A to D, I, J, and N is coal whose MD could not be measured using a dilatometer. Further, each of the coals E, G, and H is a coal whose MD could not be measured with sufficient accuracy using a dilatometer. Further, each of the coals F and KL is coal whose MD can be measured using a dilatometer.
Solid diagonal lines on the coul band in FIG. 2 are reaction lines corresponding to demethanization. The broken line group of the dashed lines is the reaction line corresponding to dehydration. The group of slanted lines indicated by alternate long and short dash lines is a reaction line corresponding to decarboxylation.

本実験の概要について説明する。
発明者らは、石炭Ａ〜Ｎそれぞれについて、推定対象とする物性値それぞれを測定し、実測値を求めた。本実験では、推定対象とする石炭の物性値は、固定炭素量（Ｆｉｘｅｄ Ｃａｒｂｏｎ：ＦＣ）、ビトリニット反射率（Ｒｏ）、揮発成分量（Ｖｏｌａｔｉｌｅ Ｍａｔｔｅｒ：ＶＭ）それぞれとした。
ＦＣは、石炭から揮発分と水分と灰分とを除いた固体の炭素の質量分率を示す。ＦＣは、１００％から固有水分、灰分、揮発成分量の石炭全体に対する質量分率（％）を差し引いて求められる。
Ｒｏは、石炭を研磨処理して反射率を測定し得られる平均値のことである。この反射率は測定の方向によって変化し、測定結果は、研磨した場所に依存する。
ＶＭは、定められた条件下で石炭から揮発する成分の質量の石炭全体の質量に対する割合（質量分率）である。ＶＭは、試料をふた付きのるつぼに入れて空気との接触を避けるように加熱し、その加熱減量の試料に対する質量分率（％）を求め、これから定量した水分を差し引くことで測定される。 The outline of this experiment will be described.
The inventors measured the respective physical property values to be estimated for each of the coals A to N and obtained the measured values. In this experiment, the physical property values of the coal to be estimated were the fixed carbon amount (Fixed Carbon: FC), the vitrinite reflectance (Ro), and the volatile component amount (volatile matter: VM), respectively.
FC indicates the mass fraction of solid carbon obtained by removing volatile matter, moisture and ash from coal. FC is obtained by subtracting the mass fraction (%) of the intrinsic water content, ash content, and amount of volatile components with respect to the entire coal from 100%.
Ro is an average value obtained by polishing the coal and measuring the reflectance. This reflectance changes depending on the direction of measurement, and the measurement result depends on the polishing location.
The VM is the ratio (mass fraction) of the mass of the component volatilized from the coal to the total mass of the coal under the specified conditions. The VM is measured by placing a sample in a crucible with a lid and heating it so as to avoid contact with air, determining the mass fraction (%) of the weight loss of the sample, and subtracting the quantified water content from this.

そして、発明者らは、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれを、物性値が既知の石炭として扱い、更に、石炭Ｄ、Ｇそれぞれを、物性値が未知の石炭として扱うこととした。そして、発明者らは、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての13Ｃ−ＭＡＳ−ＮＭＲスペクトルを説明変数のサンプルとし、更に、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての物性値を目的変数のサンプルとして、多変量解析を行い、目的変数を推定する推定関数を求めた。本実験では、発明者らは、この多変量解析として、主成分回帰分析（ＰＣＲ）を用いた。また、発明者らは、この多変量解析として、部分的最小二乗回帰分析（ＰＬＳ）を用いての実験も行った。
そして、発明者らは、石炭Ｄ、Ｇそれぞれについて、石炭Ｄ、Ｇそれぞれの13Ｃ−ＭＡＳ−ＮＭＲスペクトルと、求めた推定関数と、を用いて物性値を推定した。石炭Ｄ、Ｇそれぞれについて推定した物性値と、石炭Ｄ、Ｇそれぞれの実際の物性値と、を比較することで、求めた推定関数による石炭の物性値の推定の精度を検証した。
以上が本実験の概要である。以下では、本実験の詳細について説明する。 Then, the inventors treat each of the coals A to C, E, F, and H to N as coal whose physical property value is known, and further treat each of the coals D and G as coal whose physical property value is unknown. did. Then, the inventors set 13 C-MAS-NMR spectra for each of coals A to C, E, F, and H to N as samples of explanatory variables, and further, to coals A to C, E, F, and H to N. Multivariate analysis was performed using the physical property values for each as a sample of the objective variable, and the estimation function for estimating the objective variable was obtained. In the present experiment, the inventors used principal component regression analysis (PCR) as this multivariate analysis. The inventors also performed an experiment using partial least squares regression analysis (PLS) as the multivariate analysis.
Then, the inventors estimated the physical property values of each of the coals D and G using the 13 C-MAS-NMR spectrum of each of the coals D and G and the obtained estimation function. By comparing the physical property values estimated for each of the coals D and G with the actual physical property values of each of the coals D and G, the accuracy of estimation of the physical property values of coal by the obtained estimation function was verified.
The above is the outline of this experiment. The details of this experiment will be described below.

図３は、従来の石炭の物性値の推定方法の一例について説明する図である。
図３のそれぞれのグラフは、（Ｈ／Ｃ）と物性値との対応と、（Ｏ／Ｃ）と物性値との対応と、を示すグラフである。図３のそれぞれのグラフの縦軸は、（Ｏ／Ｃ）又は（Ｈ／Ｃ）を示す。図３のそれぞれのグラフの横軸は、対応する物性値を示す。
図３（ａ）のグラフは、物性値：固定炭素（ＦＣ）に対応するグラフである。また、図３（ｂ）のグラフは、物性値：ビトリニット反射率（Ｒｏ）に対応するグラフである。また、図３（ｃ）のグラフは、物性値：揮発成分量（ＶＭ）に対応するグラフである。 FIG. 3 is a diagram illustrating an example of a conventional method for estimating physical property values of coal.
Each graph of FIG. 3 is a graph showing the correspondence between (H/C) and the physical property value and the correspondence between (O/C) and the physical property value. The vertical axis of each graph in FIG. 3 indicates (O/C) or (H/C). The horizontal axis of each graph in FIG. 3 indicates the corresponding physical property value.
The graph of FIG. 3A is a graph corresponding to physical property value: fixed carbon (FC). Further, the graph of FIG. 3B is a graph corresponding to the physical property value: vitrinite reflectance (Ro). In addition, the graph of FIG. 3C is a graph corresponding to physical property value: volatile component amount (VM).

図３（ａ）のグラフ中のオブジェクト３０１とオブジェクト３０２とを除く各矩形オブジェクトは、石炭Ａ〜Ｎそれぞれについての、（Ｈ／Ｃ）とＦＣの実測値との対応を示すオブジェクトである。オブジェクト３０３は、石炭Ｄに対応するオブジェクトである。オブジェクト３０４は、石炭Ｇに対応するオブジェクトである。
回帰線３０５は、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれに対応する矩形オブジェクトの位置に基づいて、最小二乗法で求められた、（Ｈ／Ｃ）とＦＣとの関係を示す直線状の回帰線である。従来、このように石炭化進行度の指標である元素比との相関・回帰線を用いてＦＣの議論・推定が行われていた。
オブジェクト３０１は、石炭Ｄの（Ｈ／Ｃ）と、石炭Ｄの（Ｈ／Ｃ）から回帰線３０５を用いて定まる石炭ＤのＦＣの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３０１が示すＦＣの値は、石炭ＤのＦＣの推定値である。また、オブジェクト３０２は、石炭Ｇの（Ｈ／Ｃ）と、石炭Ｇの（Ｈ／Ｃ）から回帰線３０５を用いて定まる石炭ＧのＦＣの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３０２が示すＦＣの値は、石炭ＧのＦＣの推定値である。 Each rectangular object excluding the object 301 and the object 302 in the graph of FIG. 3A is an object showing the correspondence between (H/C) and the measured value of FC for each of the coals A to N. The object 303 is an object corresponding to coal D. The object 304 is an object corresponding to coal G.
The regression line 305 is a straight line showing the relationship between (H/C) and FC, which is obtained by the least-squares method based on the positions of the rectangular objects corresponding to the coals A to C, E, F, and H to N, respectively. It is a regression line of the shape. Conventionally, FC has been discussed and estimated using the correlation/regression line with the element ratio, which is an index of the degree of coalification.
The object 301 is an object plotted at a position corresponding to (H/C) of coal D and an estimated value of FC of coal D determined using the regression line 305 from (H/C) of coal D. .. That is, the FC value indicated by the object 301 is the estimated FC value of coal D. Further, the object 302 is an object plotted at a position corresponding to (H/C) of coal G and an estimated value of FC of coal G determined from the (H/C) of coal G using the regression line 305. Is. That is, the FC value indicated by the object 302 is an estimated FC value of coal G.

図３（ａ）のグラフ中の各円形オブジェクト、矩形のオブジェクト３０８、３０９は、石炭Ａ〜Ｎそれぞれについての（Ｏ／Ｃ）とＦＣの実測値との対応を示すオブジェクトである。オブジェクト３０８は、石炭Ｄに対応するオブジェクトであり、石炭Ｄの（Ｏ／Ｃ）とＦＣの実測値とに対応する位置にプロットされている。オブジェクト３０９は、石炭Ｇに対応するオブジェクトであり、石炭Ｇの（Ｏ／Ｃ）とＦＣの実測値とに対応する位置にプロットされている。各円形オブジェクトは、石炭Ａ〜Ｃ、Ｅ〜Ｆ、Ｈ〜Ｎそれぞれに対応するオブジェクトであり、石炭Ａ〜Ｃ、Ｅ〜Ｆ、Ｈ〜Ｎそれぞれについての（Ｏ／Ｃ）とＦＣの実測値とに対応する位置にそれぞれプロットされている。
回帰線３１０は、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれに対応する円形オブジェクトの位置に基づいて、最小二乗法で求められた、（Ｏ／Ｃ）とＦＣとの関係を示す直線状の回帰線である。従来、このように石炭化進行度の指標である元素比との相関・回帰線を用いてＦＣの議論・推定が行われていた。
オブジェクト３０６は、石炭Ｄの（Ｏ／Ｃ）と、石炭Ｄの（Ｏ／Ｃ）から回帰線３１０を用いて定まる石炭ＤのＦＣの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３０６が示すＦＣの値は、石炭ＤのＦＣの推定値である。また、オブジェクト３０７は、石炭Ｇの（Ｏ／Ｃ）と、石炭Ｇの（Ｏ／Ｃ）から回帰線３１０を用いて定まる石炭ＧのＦＣの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３０７が示すＦＣの値は、石炭ＧのＦＣの推定値である。 The circular objects and the rectangular objects 308 and 309 in the graph of FIG. 3A are objects that indicate the correspondence between (O/C) and the measured value of FC for each of the coals A to N. The object 308 is an object corresponding to the coal D, and is plotted at a position corresponding to the (O/C) of the coal D and the measured value of FC. The object 309 is an object corresponding to the coal G and is plotted at a position corresponding to the (O/C) of the coal G and the measured value of FC. Each circular object is an object corresponding to each of coals A to C, E to F, and H to N, and the measured values of (O/C) and FC for each of the coals A to C, E to F, and H to N. They are plotted at the positions corresponding to and.
The regression line 310 is a straight line showing the relationship between (O/C) and FC, which is obtained by the least-squares method based on the positions of the circular objects corresponding to the coals A to C, E, F, and H to N, respectively. It is a regression line of the shape. Conventionally, FC has been discussed and estimated using the correlation/regression line with the element ratio, which is an index of the degree of coalification.
The object 306 is an object plotted at a position corresponding to (O/C) of coal D and an estimated value of FC of coal D determined using the regression line 310 from (O/C) of coal D. .. That is, the FC value indicated by the object 306 is the estimated FC value of the coal D. Further, the object 307 is an object plotted at a position corresponding to (O/C) of coal G and an estimated value of FC of coal G determined from the (O/C) of coal G using the regression line 310. Is. That is, the FC value indicated by the object 307 is the estimated FC value of the coal G.

図３（ｂ）のグラフ中のオブジェクト３１１とオブジェクト３１２とを除く各矩形オブジェクトは、石炭Ａ〜Ｎそれぞれについての、（Ｈ／Ｃ）とＲｏの実測値との対応を示すオブジェクトである。オブジェクト３１３は、石炭Ｄに対応するオブジェクトである。オブジェクト３１４は、石炭Ｇに対応するオブジェクトである。
回帰線３１５は、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれに対応する矩形オブジェクトの位置に基づいて、最小二乗法で求められた、（Ｈ／Ｃ）とＲｏとの関係を示す直線状の回帰線である。従来、このように石炭化進行度の指標である元素比との相関・回帰線を用いてＲｏの議論・推定が行われていた。
オブジェクト３１１は、石炭Ｄの（Ｈ／Ｃ）と、石炭Ｄの（Ｈ／Ｃ）から回帰線３１５を用いて定まる石炭ＤのＲｏの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３１１が示すＲｏの値は、石炭ＤのＲｏの推定値である。また、オブジェクト３１２は、石炭Ｇの（Ｈ／Ｃ）と、石炭Ｇの（Ｈ／Ｃ）から回帰線３１５を用いて定まる石炭ＧのＲｏの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３１２が示すＲｏの値は、石炭ＧのＲｏの推定値である。 Each rectangular object excluding the object 311 and the object 312 in the graph of FIG. 3B is an object showing the correspondence between (H/C) and the measured value of Ro for each of the coals A to N. The object 313 is an object corresponding to coal D. The object 314 is an object corresponding to coal G.
The regression line 315 is a straight line showing the relationship between (H/C) and Ro, which is obtained by the least-squares method based on the positions of the rectangular objects corresponding to the coals A to C, E, F, and H to N, respectively. It is a regression line of the shape. Conventionally, Ro has been discussed/estimated using the correlation/regression line with the element ratio, which is an index of the degree of coalification progress.
The object 311 is an object plotted at a position corresponding to (H/C) of coal D and an estimated value of Ro of coal D determined from the (H/C) of coal D using the regression line 315. .. That is, the value of Ro indicated by the object 311 is an estimated value of Ro of coal D. Further, the object 312 is an object plotted at a position corresponding to (H/C) of coal G and an estimated value of Ro of coal G determined using the regression line 315 from (H/C) of coal G. Is. That is, the value of Ro indicated by the object 312 is an estimated value of Ro of coal G.

図３（ｂ）のグラフ中の各円形オブジェクト、矩形のオブジェクト３１８、３１９は、石炭Ａ〜Ｎそれぞれについての（Ｏ／Ｃ）とＲｏの実測値との対応を示すオブジェクトである。オブジェクト３１８は、石炭Ｄに対応するオブジェクトである。オブジェクト３１９は、石炭Ｇに対応するオブジェクトである。各円形オブジェクトは、石炭Ａ〜Ｃ、Ｅ〜Ｆ、Ｈ〜Ｎそれぞれに対応するオブジェクトであり、石炭Ａ〜Ｃ、Ｅ〜Ｆ、Ｈ〜Ｎそれぞれについての（Ｏ／Ｃ）とＲｏの実測値とに対応する位置にそれぞれプロットされている。
回帰線３２０は、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれに対応する円形オブジェクトの位置に基づいて、最小二乗法で求められた、（Ｏ／Ｃ）とＲｏとの関係を示す直線状の回帰線である。従来、このように石炭化進行度の指標である元素比との相関・回帰線を用いてＲｏの議論・推定が行われていた。
オブジェクト３１６は、石炭Ｄの（Ｏ／Ｃ）と、石炭Ｄの（Ｏ／Ｃ）から回帰線３２０を用いて定まる石炭ＤのＲｏの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３１６が示すＲｏの値は、石炭ＤのＲｏの推定値である。また、オブジェクト３１７は、石炭Ｇの（Ｏ／Ｃ）と、石炭Ｇの（Ｏ／Ｃ）から回帰線３２０を用いて定まる石炭ＧのＲｏの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３１７が示すＲｏの値は、石炭ＧのＲｏの推定値である。 The circular objects and the rectangular objects 318 and 319 in the graph of FIG. 3B are objects that show the correspondence between (O/C) and the measured value of Ro for each of the coals A to N. The object 318 is an object corresponding to coal D. The object 319 is an object corresponding to coal G. Each circular object is an object corresponding to each of the coals A to C, E to F, and H to N, and the measured values of (O/C) and Ro for each of the coals A to C, E to F, and H to N. They are plotted at the positions corresponding to and.
The regression line 320 is a straight line showing the relationship between (O/C) and Ro, which is obtained by the least squares method based on the positions of the circular objects corresponding to the coals A to C, E, F, and H to N, respectively. It is a regression line of the shape. Conventionally, Ro has been discussed/estimated using the correlation/regression line with the element ratio, which is an index of the degree of coalification progress.
The object 316 is an object plotted at a position corresponding to (O/C) of the coal D and an estimated value of Ro of the coal D determined from the (O/C) of the coal D using the regression line 320. .. That is, the value of Ro indicated by the object 316 is an estimated value of Ro of coal D. Further, the object 317 is an object plotted at a position corresponding to (O/C) of coal G and an estimated value of Ro of coal G determined using the regression line 320 from (O/C) of coal G. Is. That is, the value of Ro indicated by the object 317 is an estimated value of Ro of coal G.

図３（ｃ）のグラフ中のオブジェクト３２１とオブジェクト３２２とを除く各矩形オブジェクトは、石炭Ａ〜Ｎそれぞれについての（Ｈ／Ｃ）とＶＭの実測値との対応を示すオブジェクトである。オブジェクト３２３は、石炭Ｄに対応するオブジェクトである。オブジェクト３２４は、石炭Ｇに対応するオブジェクトである。
回帰線３２５は、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれに対応する矩形オブジェクトの位置に基づいて、最小二乗法で求められた、（Ｈ／Ｃ）とＶＭとの関係を示す直線状の回帰線である。従来、このように石炭化進行度の指標である元素比との相関・回帰線を用いてＶＭの議論・推定が行われていた。
オブジェクト３２１は、石炭Ｄの（Ｈ／Ｃ）と、石炭Ｄの（Ｈ／Ｃ）から回帰線３２５を用いて定まる石炭ＤのＶＭの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３２１が示すＶＭの値は、石炭ＤのＶＭの推定値である。また、オブジェクト３２２は、石炭Ｇの（Ｈ／Ｃ）と、石炭Ｇの（Ｈ／Ｃ）から回帰線３２５を用いて定まる石炭ＧのＶＭの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３２２が示すＶＭの値は、石炭ＧのＶＭの推定値である。 Each rectangular object excluding the object 321 and the object 322 in the graph of FIG. 3C is an object indicating the correspondence between (H/C) and the measured value of VM for each of the coals A to N. The object 323 is an object corresponding to coal D. The object 324 is an object corresponding to coal G.
The regression line 325 is a straight line showing the relationship between (H/C) and VM, which is obtained by the method of least squares based on the positions of the rectangular objects corresponding to the coals A to C, E, F, and H to N, respectively. It is a regression line of the shape. Conventionally, the VM has been discussed and estimated using the correlation/regression line with the element ratio, which is an index of the degree of progress of coalification.
The object 321 is an object plotted at a position corresponding to (H/C) of the coal D and an estimated value of the VM of the coal D determined from the (H/C) of the coal D using the regression line 325. .. That is, the VM value indicated by the object 321 is an estimated value of the VM of the coal D. Further, the object 322 is an object plotted at a position corresponding to (H/C) of the coal G and an estimated value of the VM of the coal G determined from the (H/C) of the coal G using the regression line 325. Is. That is, the VM value indicated by the object 322 is the estimated value of the VM of the coal G.

図３（ｃ）のグラフ中の各円形オブジェクト、矩形のオブジェクト３２８、３２９は、石炭Ａ〜Ｎそれぞれについての（Ｏ／Ｃ）とＶＭの実測値との対応を示すオブジェクトである。オブジェクト３２８は、石炭Ｄに対応するオブジェクトである。オブジェクト３２９は、石炭Ｇに対応するオブジェクトである。各円形オブジェクトは、石炭Ａ〜Ｃ、Ｅ〜Ｆ、Ｈ〜Ｎそれぞれに対応するオブジェクトであり、石炭Ａ〜Ｃ、Ｅ〜Ｆ、Ｈ〜Ｎそれぞれについての（Ｏ／Ｃ）とＶＭの実測値とに対応する位置にそれぞれプロットされている。
回帰線３３０は、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれに対応する円形オブジェクトの位置に基づいて、最小二乗法で求められた、（Ｏ／Ｃ）とＶＭとの関係を示す直線状の回帰線である。従来、このように石炭化進行度の指標である元素比との相関・回帰線を用いてＶＭの議論・推定が行われていた。
オブジェクト３２６は、石炭Ｄの（Ｏ／Ｃ）と、石炭Ｄの（Ｏ／Ｃ）から回帰線３３０を用いて定まる石炭ＤのＶＭの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３２６が示すＶＭの値は、石炭ＤのＶＭの推定値である。また、オブジェクト３２７は、石炭Ｇの（Ｏ／Ｃ）と、石炭Ｇの（Ｏ／Ｃ）から回帰線３３０を用いて定まる石炭ＧのＶＭの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト３２７が示すＶＭの値は、石炭ＧのＶＭの推定値である。 The circular objects and the rectangular objects 328 and 329 in the graph of FIG. 3C are objects that show the correspondence between (O/C) and the measured value of VM for each of the coals A to N. The object 328 is an object corresponding to coal D. The object 329 is an object corresponding to coal G. Each circular object is an object corresponding to each of the coals A to C, E to F, and H to N, and the measured values of (O/C) and VM for each of the coals A to C, E to F, and H to N. They are plotted at the positions corresponding to and.
The regression line 330 is a straight line showing the relationship between (O/C) and VM, which is obtained by the least-squares method based on the positions of the circular objects corresponding to the coals A to C, E, F, and H to N, respectively. It is a regression line of the shape. Conventionally, the VM has been discussed and estimated using the correlation/regression line with the element ratio, which is an index of the degree of progress of coalification.
The object 326 is an object plotted at a position corresponding to the (O/C) of the coal D and the estimated value of the VM of the coal D determined from the (O/C) of the coal D using the regression line 330. .. That is, the VM value indicated by the object 326 is an estimated value of the VM of the coal D. Further, the object 327 is an object plotted at a position corresponding to (O/C) of coal G and an estimated value of the VM of coal G determined from the (O/C) of coal G using the regression line 330. Is. That is, the VM value indicated by the object 327 is an estimated value of the VM of the coal G.

本実験では、発明者らは、石炭Ａ〜Ｎそれぞれについて、ＮＭＲ測定装置を用いた13Ｃに対するＭＡＳ（Ｍａｇｉｃ Ａｎｇｌｅ Ｓｐｉｎｎｉｎｇ）法によるＮＭＲ測定を行い、13Ｃ−ＮＭＲスペクトルを測定する。以下では、ＭＡＳ法で得られた13Ｃ−ＮＭＲスペクトルを、13Ｃ−ＭＡＳ−ＮＭＲスペクトルとする。また、発明者らは、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての13Ｃ−ＭＡＳ−ＮＭＲスペクトルそれぞれの面積を同じにするように正規化した。
図４は、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての13Ｃ−ＭＡＳ−ＮＭＲスペクトルを示す図である。図４の13Ｃ−ＭＡＳ−ＮＭＲスペクトルの横軸は、予め定められた基準物質（本実験では、テトラメチルシラン）に含まれる13Ｃの共鳴周波数を基準として、試料に照射された電磁波の周波数と基準の周波数との差分の程度（化学シフト）を示す。化学シフトは、ｐｐｍ（ｐａｒｔｓ ｐｅｒ ｍｉｌｌｉｏｎ）単位で表される。13Ｃ−ＭＡＳ−ＮＭＲスペクトルの縦軸は、共鳴の強度を示す。図４に示す石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての13Ｃ−ＭＡＳ−ＮＭＲスペクトルは、面積が同じになるように正規化されている。 In the present experiment, the inventors carry out NMR measurement by a MAS (Magic Angle Spinning) method for 13 C using an NMR measurement device for each of coals A to N, and measure 13 C-NMR spectra. Hereinafter, the 13 C-NMR spectrum obtained by the MAS method is referred to as a 13 C-MAS-NMR spectrum. The inventors also normalized the areas of the 13 C-MAS-NMR spectra of coals A to C, E, F, and H to N to be the same.
FIG. 4 is a chart showing 13 C-MAS-NMR spectra of coals A to C, E, F, and H to N, respectively. The horizontal axis of the 13 C-MAS-NMR spectrum in FIG. 4 is the frequency of the electromagnetic wave with which the sample is irradiated with the 13 C resonance frequency contained in a predetermined reference substance (tetramethylsilane in this experiment) as the reference. Shows the degree of difference (chemical shift) from the reference frequency. Chemical shifts are expressed in ppm (parts per million). The vertical axis of the 13 C-MAS-NMR spectrum indicates the intensity of resonance. The 13 C-MAS-NMR spectra for each of the coals A to C, E, F, and H to N shown in FIG. 4 are normalized so that the areas are the same.

発明者らは、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての13Ｃ−ＭＡＳ−ＮＭＲスペクトルのデータを説明変数のサンプルとし、更に、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての物性値を目的変数のサンプルとして、多変量解析（ＰＣＲ、ＰＬＳ）を行い、目的変数を推定する推定関数を求めた。ＰＣＲとは、主成分分析（ＰＣＡ）と回帰分析とを組みあわせた手法であり、説明変数のサンプルに対するＰＣＡの結果得られた主成分と、目的変数と、の関係を示す回帰関数を求める手法である。また、ＰＬＳとは、目的変数との共分散が最大になるように説明変数が変換された主成分と、目的変数と、に基づいて、主成分から目的変数を推定する回帰関数を求める手法である。
ＰＣＲを用いた実験の詳細について説明する。発明者らは、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての13Ｃ−ＭＡＳ−ＮＭＲスペクトルそれぞれを、以下のような１１３４次元のベクトルとして表した。即ち、ｎ番目の要素が、化学シフト（図４の横軸の値）０．１９４１７５×（ｎ−１）（ｐｐｍ）に対応する13Ｃ−ＭＡＳ−ＮＭＲスペクトルの値を示すベクトルである。以下では、このベクトルを、スペクトルベクトルとする。 The inventors used the data of 13 C-MAS-NMR spectra for each of coals A to C, E, F, and H to N as samples of explanatory variables, and further to coals A to C, E, F, and H to N. Multivariate analysis (PCR, PLS) was performed using the physical property values for each as a sample of the objective variable to obtain an estimation function for estimating the objective variable. PCR is a method that combines principal component analysis (PCA) and regression analysis, and is a method for obtaining a regression function indicating the relationship between the principal component obtained as a result of PCA for a sample of explanatory variables and the objective variable. Is. PLS is a method for obtaining a regression function that estimates an objective variable from the principal component based on the principal component whose explanatory variables are transformed so that the covariance with the objective variable is maximized and the objective variable. is there.
The details of the experiment using PCR will be described. The inventors represented each 13 C-MAS-NMR spectrum for each of coals A to C, E, F, and H to N as a 1134-dimensional vector as follows. That is, the n-th element is a vector indicating the value of the 13 C-MAS-NMR spectrum corresponding to the chemical shift (value on the horizontal axis of FIG. 4) 0.194175×(n−1) (ppm). Hereinafter, this vector will be referred to as a spectrum vector.

そして、発明者らは、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについてのスペクトルベクトル（１２個のスペクトルベクトル）を説明変数のサンプルとして、この１２個のスペクトルベクトルに対してＰＣＡを行った。第１主成分の寄与率は、９２．１％であり、第２主成分の寄与率は、３．７％であった。発明者らは、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれのスペクトルベクトルに対するＰＣＡで求まった第一主成分が、コールバンドのＯ／Ｃ及びＨ／Ｃ値との相関があり、炭化度の変化に伴う最も大きな構造変化を示している可能性があることを見出した。
そして、発明者らは、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについてのスペクトルベクトルの第１主成分の値と、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての物性値と、に基づいて、最小二乗法を用いて、スペクトルベクトルの第１主成分（説明変数の第１主成分）から物性値（目的変数）を推定する１次式の回帰関数を求めた。発明者らは、求めた回帰関数を用いて、石炭Ｄ、Ｇのスペクトルベクトルから、石炭Ｄ、Ｇそれぞれについての物性値の推定値を求めた。 Then, the inventors performed PCA on these 12 spectrum vectors using the spectrum vectors (12 spectrum vectors) for each of the coals A to C, E, F, and H to N as samples of explanatory variables. It was The contribution rate of the first main component was 92.1%, and the contribution rate of the second main component was 3.7%. The inventors have found that the first main component obtained by PCA for the respective spectrum vectors of coals A to C, E, F, and H to N has a correlation with the O/C and H/C values of the call band, It was found that it may show the largest structural change with the change of degree.
Then, the inventors have determined the value of the first principal component of the spectrum vector for each of the coals A to C, E, F, and H to N, and the physical property values for each of the coals A to C, E, F, and H to N. And a linear regression function for estimating the physical property value (objective variable) from the first principal component of the spectrum vector (first principal component of the explanatory variable) was obtained using the least squares method. The inventors calculated the estimated value of the physical property value for each of the coals D and G from the spectrum vector of the coals D and G using the obtained regression function.

図５は、ＰＣＲを用いた物性値の推定方法の一例について説明する図である。図５のそれぞれのグラフの横軸は、対応する物性値の値を示す。図５のそれぞれのグラフの縦軸は、説明変数（スペクトルベクトル）の第１主成分の値を示す。図５（ａ）は、物性値ＦＣに対応するグラフである。図５（ｂ）は、物性値Ｒｏに対応するグラフである。図５（ｃ）は、物性値ＶＭに対応するグラフである。
図５（ａ）のグラフ中にプロットされているオブジェクトそれぞれは、オブジェクト５０１とオブジェクト５０２とを除いて、石炭Ａ〜Ｎそれぞれについての、スペクトルベクトルの第１主成分とＦＣの実測値との対応を示すオブジェクトである。オブジェクト５０３は、石炭Ｄに対応するオブジェクトである。オブジェクト５０４は、石炭Ｇに対応するオブジェクトである。
回帰線５０５は、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれに対応するスペクトルベクトルの第１主成分とＦＣの実測値とに基づいて、最小二乗法で求められた、スペクトルベクトルの第１主成分とＦＣとの関係を示す直線状の回帰線である。本実験では、発明者らは、この回帰線５０５を用いて、石炭Ｄ、Ｇそれぞれについて、ＦＣの値を推定した。
オブジェクト５０１は、石炭Ｄのスペクトルベクトルの第１主成分と、石炭Ｄのスペクトルベクトルの第１主成分から回帰線５０５を用いて定まる石炭ＤのＦＣの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト５０１が示すＦＣの値は、石炭ＤのＦＣの推定値である。また、オブジェクト５０２は、石炭Ｇのスペクトルベクトルの第１主成分と、石炭Ｇのスペクトルベクトルの第１主成分から回帰線５０５を用いて定まる石炭ＤのＦＣの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト５０２が示すＦＣの値は、石炭ＧのＦＣの推定値である。 FIG. 5 is a diagram illustrating an example of a method for estimating a physical property value using PCR. The horizontal axis of each graph in FIG. 5 indicates the value of the corresponding physical property value. The vertical axis of each graph in FIG. 5 represents the value of the first principal component of the explanatory variable (spectral vector). FIG. 5A is a graph corresponding to the physical property value FC. FIG. 5B is a graph corresponding to the physical property value Ro. FIG. 5C is a graph corresponding to the physical property value VM.
Each of the objects plotted in the graph of FIG. 5A corresponds to the first principal component of the spectrum vector and the measured value of FC for each of the coals A to N, except for the objects 501 and 502. Is an object that indicates. The object 503 is an object corresponding to coal D. The object 504 is an object corresponding to coal G.
The regression line 505 is the spectrum vector obtained by the least-squares method based on the first principal component of the spectrum vector corresponding to each of the coals A to C, E, F, and H to N and the measured value of FC. It is a linear regression line showing the relationship between one main component and FC. In this experiment, the inventors estimated the FC value for each of the coals D and G using this regression line 505.
The object 501 is plotted at a position corresponding to the first principal component of the spectrum vector of coal D and the FC estimated value of coal D determined using the regression line 505 from the first principal component of the spectrum vector of coal D. It is an object. That is, the FC value indicated by the object 501 is the estimated FC value of the coal D. Further, the object 502 is located at a position corresponding to the first principal component of the spectrum vector of coal G and the FC estimated value of coal D determined using the regression line 505 from the first principal component of the spectrum vector of coal G. The plotted object. That is, the FC value indicated by the object 502 is an estimated FC value of coal G.

図５（ｂ）のグラフ中にプロットされているオブジェクトそれぞれは、オブジェクト５０６とオブジェクト５０７とを除いて、石炭Ａ〜Ｎそれぞれについての、スペクトルベクトルの第１主成分とＲｏの実測値との対応を示すオブジェクトである。オブジェクト５０８は、石炭Ｄに対応するオブジェクトである。オブジェクト５０９は、石炭Ｇに対応するオブジェクトである。
回帰線５１０は、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれに対応するスペクトルベクトルの第１主成分とＲｏの実測値とに基づいて、最小二乗法で求められた、スペクトルベクトルの第１主成分とＲｏとの関係を示す直線状の回帰線である。本実験では、発明者らは、この回帰線５１０を用いて、石炭Ｄ、Ｇそれぞれについて、Ｒｏの値を推定した。
オブジェクト５０６は、石炭Ｄのスペクトルベクトルの第１主成分と、石炭Ｄのスペクトルベクトルの第１主成分から回帰線５１０を用いて定まる石炭ＤのＲｏの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト５０６が示すＲｏの値は、石炭ＤのＲｏの推定値である。また、オブジェクト５０７は、石炭Ｇのスペクトルベクトルの第１主成分と、石炭Ｇのスペクトルベクトルの第１主成分から回帰線５１０を用いて定まる石炭ＤのＲｏの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト５０７が示すＲｏの値は、石炭ＧのＲｏの推定値である。 Each of the objects plotted in the graph of FIG. 5B corresponds to the first principal component of the spectrum vector and the measured value of Ro for each of the coals A to N, except for the objects 506 and 507. Is an object that indicates. The object 508 is an object corresponding to coal D. The object 509 is an object corresponding to coal G.
The regression line 510 is the spectrum vector obtained by the least squares method based on the first principal component of the spectrum vector corresponding to each of the coals A to C, E, F, and H to N and the measured value of Ro. It is a linear regression line showing the relationship between one principal component and Ro. In the present experiment, the inventors estimated the value of Ro for each of the coals D and G using this regression line 510.
The object 506 is plotted at a position corresponding to the first principal component of the spectrum vector of coal D and the estimated value of Ro of coal D determined from the first principal component of the spectrum vector of coal D using the regression line 510. It is an object. That is, the value of Ro indicated by the object 506 is an estimated value of Ro of coal D. Also, the object 507 is located at a position corresponding to the first principal component of the spectrum vector of coal G and the estimated value of Ro of coal D determined using the regression line 510 from the first principal component of the spectrum vector of coal G. The plotted object. That is, the value of Ro indicated by the object 507 is an estimated value of Ro of coal G.

図５（ｃ）のグラフ中にプロットされているオブジェクトそれぞれは、オブジェクト５１１とオブジェクト５１２とを除いて、石炭Ａ〜Ｎそれぞれについての、スペクトルベクトルの第１主成分とＶＭの実測値との対応を示すオブジェクトである。オブジェクト５１３は、石炭Ｄに対応するオブジェクトである。オブジェクト５１４は、石炭Ｇに対応するオブジェクトである。
回帰線５１５は、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれに対応するスペクトルベクトルの第１主成分とＶＭの実測値とに基づいて、最小二乗法で求められた、スペクトルベクトルの第１主成分とＶＭとの関係を示す直線状の回帰線である。本実験では、発明者らは、この回帰線５１０を用いて、石炭Ｄ、Ｇそれぞれについて、ＶＭの値を推定した。
オブジェクト５１１は、石炭Ｄのスペクトルベクトルの第１主成分と、石炭Ｄのスペクトルベクトルの第１主成分から回帰線５１５を用いて定まる石炭ＤのＶＭの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト５１１が示すＶＭの値は、石炭ＤのＶＭの推定値である。また、オブジェクト５１２は、石炭Ｇのスペクトルベクトルの第１主成分と、石炭Ｇのスペクトルベクトルの第１主成分から回帰線５１５を用いて定まる石炭ＤのＶＭの推定値と、に対応する位置にプロットされたオブジェクトである。即ち、オブジェクト５１２が示すＶＭの値は、石炭ＧのＶＭの推定値である。
発明者らは、図５の各グラフから、石炭のＦＣ、Ｒｏ、ＶＭに関しては、図３と比較して、第１主成分とより高い相関を示すことを見出した。 Each of the objects plotted in the graph of FIG. 5C corresponds to the first principal component of the spectrum vector and the measured value of the VM for each of the coals A to N, except for the objects 511 and 512. Is an object that indicates. The object 513 is an object corresponding to coal D. The object 514 is an object corresponding to coal G.
The regression line 515 is the spectrum vector obtained by the least-squares method based on the first principal component of the spectrum vector corresponding to each of the coals A to C, E, F, and H to N and the actual measurement value of the VM. It is a linear regression line showing the relationship between one main component and VM. In this experiment, the inventors estimated the VM value for each of the coals D and G using this regression line 510.
The object 511 is plotted at a position corresponding to the first principal component of the spectrum vector of coal D and the estimated value of the VM of coal D determined using the regression line 515 from the first principal component of the spectrum vector of coal D. It is an object. That is, the VM value indicated by the object 511 is an estimated value of the VM of the coal D. In addition, the object 512 is located at a position corresponding to the first principal component of the spectrum vector of coal G and the estimated value of the VM of coal D determined using the regression line 515 from the first principal component of the spectrum vector of coal G. The plotted object. That is, the VM value indicated by the object 512 is an estimated value of the VM of the coal G.
The inventors have found from the graphs in FIG. 5 that FC, Ro, and VM of coal show a higher correlation with the first principal component as compared with FIG. 3.

また、発明者らは、物性値が既知の石炭（石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎ）それぞれについてのスペクトルベクトルに対するＰＣＡにより得られた第１主成分を示す軸と第２主成分を示す軸とで表される２次元のグラフに、物性値が既知の石炭と、物性値が未知の石炭と、をプロットすることで、以下のような効果を奏することができる可能性があるとの着想を得た。即ち、その平面を視認したユーザが、その平面上で、物性値が未知の石炭に対応する位置と、物性値が既知の石炭に対応する位置と、の双方を把握することで、物性値が未知の石炭の特性を推測することができるようにすることができるとの効果である。例えば、ユーザは、その平面上で、物性値が既知の石炭の近傍に、物性値が未知の石炭がプロットされている場合、物性値が未知のその石炭の特性（特にここでは炭素骨格構造）は、物性値が既知のその石炭の特性に近い特性を有すると推測できる。
この着想の実効性を検証するため、発明者らは、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについてのスペクトルベクトルに対するＰＣＡにより得られた第１主成分を示す軸と第２主成分を示す軸とで表される２次元のグラフを生成し、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれと、石炭Ｄ、Ｇそれぞれと、をプロットした。 In addition, the inventors have obtained an axis indicating the first principal component obtained by PCA for the spectrum vector of each of the coals (coal A to C, E, F, H to N) whose physical property values are known, and the second principal component. By plotting a coal with known physical properties and a coal with unknown physical properties on a two-dimensional graph represented by an axis indicating the following, the following effects may be achieved. I got the idea. That is, the user visually recognizing the plane, on the plane, by grasping both the position corresponding to the coal whose physical property value is unknown and the position corresponding to the coal whose physical property value is known, the physical property value is The effect is to be able to estimate the characteristics of unknown coal. For example, if the user plots a coal with an unknown physical property value on the plane in the vicinity of a coal with a known physical property value, the characteristics of the coal whose physical property value is unknown (especially here, carbon skeleton structure) Can be inferred to have characteristics close to those of the coal whose physical properties are known.
In order to verify the effectiveness of this idea, the inventors have shown the axis indicating the first principal component and the second principal component obtained by PCA for the spectrum vectors of coals A to C, E, F, and H to N, respectively. The two-dimensional graph represented with the axis|shaft which shows is produced|generated, and each coal A-C, E, F, H-N and each coal D, G were plotted.

石炭Ａ〜Ｎそれぞれがプロットされたこのグラフを図６に示す。図６が示す各石炭の分布の様子と、図２のコールバンドが示す各石炭の分布の様子と、を見ると、石炭ＡとＢとが他の石炭同士よりも近くに存在し、石炭Ｋ、Ｌ、Ｍが他の石炭同士よりも近くに存在し、その他の石炭同士も相対的に近傍に位置している点が共通している。このように、図６のグラフは、石炭の特性に応じた分布を示す図２のコールバンドと共通する特徴を有しており、石炭の特性に応じた分布を示す可能性があることが確認された。図６のグラフは、石炭の特性に応じた分布を示す石炭特性グラフの一例である。
また、図６のグラフにおいては、図２のコールバンドと比べて、Ｎ炭は、Ａ〜Ｃ炭のようなより褐炭に近い領域に位置している。また、Ｅ、Ｈ、Ｉ、Ｊ炭の高度瀝青炭に近い方からの序列が図２とは逆になっており、元素比では得られない炭素骨格構造の違いに基づいた炭種の違いが第一主成分の軸沿いに明確に分離されることが確認された。
よって、発明者らは、物性値が既知の石炭についてのスペクトルベクトルに対するＰＣＡにより得られた第１主成分を示す軸と第２主成分を示す軸とで表される２次元のグラフに、物性値が既知の石炭と、物性値が未知の石炭と、をプロットしたグラフをユーザに提示することで、ユーザによる石炭の特性（特に、炭素構造）の把握を支援できるとの知見を得た。以下では、この知見を、第１の知見とする。 This graph in which each of coals A to N is plotted is shown in FIG. Looking at the distribution of each coal shown in FIG. 6 and the distribution of each coal shown by the coal band of FIG. 2, coals A and B exist closer to each other than coals other than coal K. , L, M are closer to each other than other coals, and the other coals are also relatively close to each other. As described above, the graph of FIG. 6 has the same characteristics as the coal band of FIG. 2 showing the distribution according to the characteristics of coal, and it is confirmed that there is a possibility of showing the distribution according to the characteristics of coal. Was done. The graph of FIG. 6 is an example of a coal characteristic graph showing a distribution according to the characteristics of coal.
Further, in the graph of FIG. 6, N charcoal is located in a region closer to brown coal, such as AC charcoal, as compared with the coal band of FIG. In addition, the order of E, H, I, and J coals from the side closer to the advanced bituminous coal is opposite to that in Fig. 2, and the difference in coal type based on the difference in carbon skeleton structure that cannot be obtained by the element ratio is the first. It was confirmed that they were clearly separated along the axis of one main component.
Therefore, the inventors of the present invention have a physical property on a two-dimensional graph represented by an axis indicating the first principal component and an axis indicating the second principal component, which are obtained by PCA for a spectrum vector of coal whose physical property value is known. By presenting a graph plotting coal with known values and coal with unknown physical properties to the user, we have found that it is possible to assist the user in understanding the characteristics of the coal (in particular, carbon structure). Hereinafter, this finding will be referred to as the first finding.

次に、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての13Ｃ−ＭＡＳ−ＮＭＲスペクトルのデータを説明変数とし、更に、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての物性値を目的変数として、多変量解析であるＰＬＳを行った実験の詳細について説明する。発明者らは、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについての13Ｃ−ＭＡＳ−ＮＭＲスペクトルそれぞれを、１１３４次元のベクトルとして表した。ＰＣＡでは、説明変数からなるべく情報量が大きくなるように主成分を求めて、情報の要約・分類が行われるのに対して、ＰＬＳでは、なるべく説明変数の情報を維持しながら目的変数（物性値、ＶＭやＲｏ等）との関係が大きいように主成分が求められることで、目的変数の定量的予測が可能となる。
そして、発明者らは、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれについてのスペクトルベクトル（１２個のスペクトルベクトル）を説明変数のサンプルとし、更に、石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎそれぞれの物性値を目的変数のサンプルとして、ＰＬＳを行った。発明者らは、ＰＬＳの結果、説明変数から目的変数を推定するための回帰関数を取得した。 Next, the data of 13 C-MAS-NMR spectra for each of the coals A to C, E, F, and H to N were used as explanatory variables, and further, the physical properties of each of the coals A to C, E, F, and H to N Details of an experiment in which PLS, which is a multivariate analysis, is performed with a value as an objective variable will be described. The inventors represented each 13 C-MAS-NMR spectrum for each of coals A to C, E, F, and H to N as a 1134-dimensional vector. In PCA, the principal components are calculated so that the amount of information is as large as possible from the explanatory variables, and the information is summarized/classified, whereas in PLS, the objective variable (physical property value , VM, Ro, etc.), the principal variable is calculated so that it has a large relationship with the target variable, so that the objective variable can be quantitatively predicted.
Then, the inventors set spectral vectors (12 spectral vectors) for each of the coals A to C, E, F, and H to N as samples of explanatory variables, and further, to the coals A to C, E, F, and H. PLS was performed using each of the physical property values of N as a sample of the objective variable. As a result of PLS, the inventors obtained a regression function for estimating an objective variable from an explanatory variable.

そして、発明者らは、石炭Ａ〜Ｎそれぞれについて、スペクトルベクトルに基づいて、取得した回帰関数を用いて、物性値の推定値を求めた。
図７は、石炭Ａ〜Ｎそれぞれについての物性値の実測値と、ＰＬＳを行い得られた回帰関数から推定した物性値の推定値と、の対応を示すグラフである。図７の各グラフの横軸は、対応する物性値の実測値を示す。また、図７の各グラフの縦軸は、対応する物性値の推定値を示す。仮に、ある石炭の物性値の推定値が理想的に推定されている場合、図７の各グラフにおいて、その石炭は、対応する横軸の値（物性値の実測値）と、対応する縦軸の値（物性値の推定値）と、が等しくなる。図７（ａ）のグラフは、ＦＣに対応するグラフである。図７（ｂ）のグラフは、Ｒｏに対応するグラフである。図７（ｃ）のグラフは、ＶＭに対応するグラフである。
図７（ａ）のグラフのオブジェクト７０１は、石炭Ｄに対応する。即ち、オブジェクト７０１に対応する縦軸の値は、石炭ＤのＦＣの推定値である。また、オブジェクト７０２は、石炭Ｇに対応する。即ち、オブジェクト７０２に対応する縦軸の値は、石炭ＧのＦＣの推定値である。
図７（ｂ）のグラフのオブジェクト７０３は、石炭Ｄに対応する。即ち、オブジェクト７０３に対応する縦軸の値は、石炭ＤのＲｏの推定値である。また、オブジェクト７０４は、石炭Ｇに対応する。即ち、オブジェクト７０４に対応する縦軸の値は、石炭ＧのＲｏの推定値である。
図７（ｃ）のグラフのオブジェクト７０５は、石炭Ｄに対応する。即ち、オブジェクト７０５に対応する縦軸の値は、石炭ＤのＶＭの推定値である。また、オブジェクト７０６は、石炭Ｇに対応する。即ち、オブジェクト７０６に対応する縦軸の値は、石炭ＧのＶＭの推定値である。 And the inventors calculated|required the estimated value of a physical-property value about each of coal A-N using the acquired regression function based on a spectrum vector.
FIG. 7: is a graph which shows the correspondence of the measured value of the physical-property value about each of coal A-N, and the estimated value of the physical-property value estimated from the regression function obtained by performing PLS. The horizontal axis of each graph in FIG. 7 indicates the actual measurement value of the corresponding physical property value. Further, the vertical axis of each graph in FIG. 7 shows the estimated value of the corresponding physical property value. If the estimated value of the physical property value of a certain coal is ideally estimated, in each graph of FIG. 7, the coal has a corresponding horizontal axis value (measured value of the physical property value) and a corresponding vertical axis. Is equal to the value of (estimated value of physical property value). The graph of FIG. 7A is a graph corresponding to FC. The graph of FIG. 7B is a graph corresponding to Ro. The graph of FIG. 7C is a graph corresponding to VM.
An object 701 in the graph of FIG. 7A corresponds to coal D. That is, the value on the vertical axis corresponding to the object 701 is the estimated value of FC of coal D. The object 702 corresponds to coal G. That is, the value on the vertical axis corresponding to the object 702 is the estimated value of FC of coal G.
The object 703 in the graph of FIG. 7B corresponds to coal D. That is, the value on the vertical axis corresponding to the object 703 is the estimated value of Ro of coal D. The object 704 corresponds to coal G. That is, the value of the vertical axis corresponding to the object 704 is the estimated value of Ro of coal G.
The object 705 in the graph of FIG. 7C corresponds to coal D. That is, the value on the vertical axis corresponding to the object 705 is the estimated value of the VM of the coal D. Further, the object 706 corresponds to the coal G. That is, the value on the vertical axis corresponding to the object 706 is the estimated value of the VM of the coal G.

図８に、本実験における石炭Ｄ、Ｇについての物性値の推定結果を示す。図８のグラフは、物性値、実測値、従来技術（Ｏ／Ｃ、Ｈ／Ｃ）、本実験例（ＰＣＲ、ＰＬＳ）の項目を含む。
図８のグラフの物性値の項目は、推定対象の物性値を示す項目である。実測値の項目は、対応する物性値の実測値を示す項目である。従来技術Ｏ／Ｃの項目は、図３等を用いて説明した従来の推定方法のうち、石炭のＯ／Ｃに基づいて推定された（回帰線３１０、３２０、３３０を用いて推定された）物性値の値を示す項目である。即ち、従来技術Ｏ／Ｃの項目の各値は、図３の各グラフにおけるオブジェクト３０６、３０７、３１６、３１７、３２６、３２７それぞれに対応する横軸の値となる。
従来技術Ｈ／Ｃの項目は、図３等を用いて説明した従来の推定方法のうち、石炭のＨ／Ｃに基づいて推定された（回帰線３０５、３１５、３２５を用いて推定された）物性値の値を示す項目である。即ち、従来技術Ｈ／Ｃの項目の各値は、図３の各グラフにおけるオブジェクト３０１、３０２、３１１、３１２、３２１、３２２それぞれに対応する横軸の値となる。 FIG. 8 shows the estimation results of the physical property values of coals D and G in this experiment. The graph of FIG. 8 includes items of physical property values, actual measurement values, conventional techniques (O/C, H/C), and this experimental example (PCR, PLS).
The item of physical property value in the graph of FIG. 8 is an item indicating the physical property value of the estimation target. The item of the actual measurement value is an item indicating the actual measurement value of the corresponding physical property value. The item of the prior art O/C was estimated based on the O/C of coal among the conventional estimation methods described with reference to FIG. 3 and the like (estimated using the regression lines 310, 320, 330). This is an item indicating the value of the physical property value. That is, each value of the item of the prior art O/C is a value on the horizontal axis corresponding to each of the objects 306, 307, 316, 317, 326, 327 in each graph of FIG.
The item of the prior art H/C was estimated based on the H/C of coal among the conventional estimation methods described using FIG. 3 and the like (estimated using regression lines 305, 315, 325). This is an item indicating the value of the physical property value. That is, each value of the item of the prior art H/C becomes a value on the horizontal axis corresponding to each of the objects 301, 302, 311, 312, 321, 322 in each graph of FIG.

本実験例ＰＣＲの項目は、図５等を用いて説明したＰＣＲを行って得られた回帰関数（回帰線５０５、５１０、５１５が示す関数）を用いて推定された物性値の推定値を示す項目である。即ち、本実験例ＰＣＲの項目の各値は、図５の各グラフにおけるオブジェクト５０１、５０２、５０６、５０７、５１１、５１２それぞれに対応する横軸の値となる。
本実験例ＰＣＲの項目は、図７等を用いて説明したＰＬＳを行って得られた回帰関数を用いて推定された物性値の推定値を示す項目である。即ち、本実験例ＰＬＳの項目の各値は、図７の各グラフにおけるオブジェクト７０１〜７０６それぞれに対応する縦軸の値となる。
図８のグラフを見ると、石炭ＤのＦＣ、Ｒｏそれぞれについては、本実験例の方が、従来技術よりも精度よく推定できていることが確認できる。
また、図５の各グラフにおけるグラフ中の回帰線を基準とした各オブジェクトのばらつきは、図３の各グラフにおけるグラフ中の回帰線を基準とした各オブジェクトのばらつきよりも小さいことが分かる。そのため、図５の各グラフの回帰線は、図３の各グラフの回帰線よりも、より精度よく物性値を推定できる回帰線と考えられる。
また、図７の各グラフにおけるプロットされたオブジェクト（オブジェクト７０１〜７０６を除く）を見ると、ＰＬＳに用いたサンプル群（石炭Ａ〜Ｃ、Ｅ、Ｆ、Ｈ〜Ｎ）について、物性値の予測値と実測値とは、ほぼ一致していることが分かる。また、オブジェクト７０１〜７０６についても、適切な精度で予測できており、相関性についても図３に示したＯ／Ｃの場合より０．１ポイント以上向上したことが確認された。
以上より、発明者らは、物性値が既知の石炭についてのスペクトルベクトルを説明変数のサンプルとして、その石炭の物性値を目的変数のサンプルとして、多変量解析を行い得られた推定関数を用いて、物性値が未知の石炭の物性値を推定することで、より精度よく推定できる場合があるとの知見を得た。以下では、この知見を第２の知見とする。 The item of this experimental example PCR indicates the estimated value of the physical property value estimated by using the regression function (the function indicated by the regression lines 505, 510, 515) obtained by performing the PCR described with reference to FIG. It is an item. That is, each value of the item of this experimental example PCR is a value on the horizontal axis corresponding to each of the objects 501, 502, 506, 507, 511, 512 in each graph of FIG.
The item of this experimental example PCR is an item indicating the estimated value of the physical property value estimated using the regression function obtained by performing the PLS described with reference to FIG. That is, each value of the item of this experimental example PLS becomes a value on the vertical axis corresponding to each of the objects 701 to 706 in each graph of FIG. 7.
From the graph of FIG. 8, it can be confirmed that, for each of FC and Ro of coal D, the present experimental example can be estimated more accurately than the prior art.
Further, it can be seen that the variation of each object based on the regression line in the graph in each graph of FIG. 5 is smaller than the variation of each object based on the regression line in the graph of each graph of FIG. Therefore, the regression line of each graph of FIG. 5 is considered to be a regression line that can estimate the physical property value more accurately than the regression line of each graph of FIG.
Further, looking at the plotted objects (excluding the objects 701 to 706) in each graph of FIG. 7, prediction of physical property values for the sample group (coal A to C, E, F, H to N) used for PLS It can be seen that the value and the measured value are almost the same. It was also confirmed that the objects 701 to 706 could be predicted with appropriate accuracy, and the correlation was improved by 0.1 point or more as compared with the case of O/C shown in FIG.
From the above, the inventors have used the estimation function obtained by performing a multivariate analysis, using the spectral vector of coal whose physical property value is known as an explanatory variable sample, and the physical property value of that coal as an objective variable sample. We have found that estimating physical properties of coal whose physical properties are unknown may lead to more accurate estimation. Hereinafter, this finding will be referred to as the second finding.

発明者らは、第２の知見から、物性値が既知の石炭についてスペクトルベクトルを説明変数のサンプルとし、更に、その石炭についての物性値を目的変数のサンプルとして、多変量解析を行い、目的変数の推定関数を取得し、取得した推定関数を用いて、物性値が未知の石炭の物性値を推定する方法について想到した。
そこで、本実施形態の推定方法の概要は、以下の通りである。まず、物性値が既知の石炭についてスペクトルベクトルを取得し、取得したスペクトルベクトルを説明変数のサンプルとし、更に、その石炭についての物性値を目的変数のサンプルとして、多変量解析を行い、目的変数の推定関数を取得する。そして、物性値が未知の石炭のスペクトルベクトルを取得し、取得したスペクトルベクトルから、取得した推定関数を用いて、その石炭の物性値を推定する。 From the second finding, the inventors performed a multivariate analysis by using a spectrum vector as a sample of an explanatory variable for coal whose physical property value is known, and further performing a multivariate analysis using the physical property value of the coal as a sample of an objective variable. The method of estimating the physical property value of coal whose physical property value is unknown by using the acquired estimating function was devised.
Therefore, the outline of the estimation method of the present embodiment is as follows. First, to obtain a spectrum vector for the coal whose physical property value is known, the acquired spectral vector as a sample of explanatory variables, further, the physical property value for that coal as a sample of the objective variable, multivariate analysis is performed, Get the estimation function. Then, a spectrum vector of coal whose physical property value is unknown is acquired, and the physical property value of the coal is estimated from the acquired spectrum vector using the acquired estimation function.

また、発明者らは、第１の知見から、物性値が既知の石炭についてのスペクトルベクトルに対するＰＣＡにより得られた第１主成分を示す軸と第２主成分を示す軸とで表される２次元のグラフに、物性値が既知の石炭と、物性値が未知の石炭と、をプロットしたグラフを生成する方法について想到した。
そこで、本実施形態の生成方法の概要は、以下の通りである。まず、物性値が既知の石炭についてスペクトルベクトルを取得し、取得したスペクトルベクトルを説明変数のサンプルとして、ＰＣＡを行い、説明変数の第１主成分と第２主成分とを決定する。そして、この第１主成分に対応する軸と、第２主成分に対応する軸と、で表されるグラフを生成し、生成したグラフに、この物性値が既知の石炭と、物性値が未知の石炭と、をプロットする。 Further, from the first knowledge, the inventors have expressed an axis indicating the first principal component and an axis indicating the second principal component obtained by PCA for the spectrum vector of coal whose physical property values are known. A method for generating a graph in which a coal having a known physical property value and a coal having an unknown physical property value are plotted on a dimensional graph has been conceived.
Therefore, the outline of the generation method of the present embodiment is as follows. First, a spectrum vector is acquired for coal whose physical property values are known, PCA is performed using the acquired spectrum vector as a sample of the explanatory variable, and the first principal component and the second principal component of the explanatory variable are determined. Then, a graph represented by an axis corresponding to the first main component and an axis corresponding to the second main component is generated, and coal having the known physical property values and unknown physical property values are generated in the generated graph. And the coal of.

（解析システム）
（評価システムの詳細）
図９は、本実施形態の解析システムのシステム構成の一例を示す図である。
解析システムは、情報処理装置９００、ＮＭＲ測定装置９０１を含む。
情報処理装置９００は、ＮＭＲ測定装置９０１により測定された石炭の13Ｃ−ＭＡＳ−ＮＭＲスペクトルを解析するパーソナルコンピュータ（ＰＣ）、サーバ装置等の情報処理装置である。また、他の例として、情報処理装置９００は、ＮＭＲ測定装置９０１に組み込まれているコンピュータであることとしてもよい。
ＮＭＲ測定装置９０１は、測定対象の試料について、ＭＡＳ法を用いて核種13ＣのＮＭＲを測定する測定装置である。本実施形態では、ＮＭＲ測定装置９０１は、測定により、図４と同様に、化学シフト０（ｐｐｍ）〜２２０（ｐｐｍ）の範囲における共鳴の強度のデータを取得する。即ち、化学シフトの特定の範囲である０（ｐｐｍ）〜２２０（ｐｐｍ）の範囲における共鳴の強度のデータを取得する。また、ＮＭＲ測定装置９０１は、化学シフト０（ｐｐｍ）〜２２０（ｐｐｍ）の範囲における共鳴の強度のデータとして、ｎ番目の要素が、化学シフト０．１９４１７５×（ｎ−１）（ｐｐｍ）における共鳴の強度の値を示すベクトルのデータ（スペクトルベクトル）を取得するとする。 (Analysis system)
(Details of evaluation system)
FIG. 9 is a diagram showing an example of the system configuration of the analysis system of this embodiment.
The analysis system includes an information processing device 900 and an NMR measurement device 901.
The information processing device 900 is an information processing device such as a personal computer (PC) or a server device that analyzes the 13 C-MAS-NMR spectrum of coal measured by the NMR measurement device 901. Further, as another example, the information processing device 900 may be a computer incorporated in the NMR measurement device 901.
The NMR measuring device 901 is a measuring device for measuring the NMR of the nuclide 13 C using the MAS method for the sample to be measured. In the present embodiment, the NMR measurement apparatus 901 acquires the data of the resonance intensity in the range of chemical shift 0 (ppm) to 220 (ppm) by measurement, as in FIG. That is, the data of the resonance intensity in the range of 0 (ppm) to 220 (ppm), which is the specific range of the chemical shift, is acquired. Further, in the NMR measuring apparatus 901, as the data of the resonance intensity in the range of chemical shift 0 (ppm) to 220 (ppm), the n-th element is the chemical shift 0.194175×(n−1) (ppm). It is assumed that vector data (spectral vector) indicating the value of resonance intensity is acquired.

（情報処理装置の詳細）
図１０は、情報処理装置９００のハードウェア構成の一例を示す図である。情報処理装置９００は、ＣＰＵ１００１、主記憶装置１００２、補助記憶装置１００３、デバイスＩ／Ｆ１００４、入力部１００５、出力部１００６を含む。各要素は、システムバス１００７を介して相互に通信可能に接続されている。情報処理装置は、石炭の物性値の推定装置の一例である。また、情報処理装置は、各石炭の特性に応じた分布の様子を示す石炭特性グラフの生成装置の一例である。
ＣＰＵ１００１は、情報処理装置９００を制御する中央演算装置である。主記憶装置１００２は、ＣＰＵ１００１のワークエリアやデータの一時的な記憶領域として機能するＲａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ（ＲＡＭ）等の記憶装置である。補助記憶装置１００３は、各種プログラム、各種設定情報、各種画像データ等を記憶するＲｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ（ＲＯＭ）、ハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）等の記憶装置である。デバイスＩ／Ｆ１００４は、ＮＭＲ測定装置９０１等の外部のデバイスとの間での情報の入出力に用いられるインターフェースである。入力部１００５は、マウス、キーボード、マイク、タッチパネル等の入力部である。出力部は、モニタ、スピーカ、タッチパネルの表示部等の出力部である。
ＣＰＵ１００１が、補助記憶装置１００３等に記憶されたプログラムにしたがって処理を実行することで、図１１で後述する情報処理装置９００の機能や図１２、１３で後述するフローチャートの処理等が実現される。 (Details of information processing device)
FIG. 10 is a diagram illustrating an example of the hardware configuration of the information processing device 900. The information processing device 900 includes a CPU 1001, a main storage device 1002, an auxiliary storage device 1003, a device I/F 1004, an input unit 1005, and an output unit 1006. The respective elements are connected via a system bus 1007 so that they can communicate with each other. The information processing device is an example of a device for estimating the physical property value of coal. Further, the information processing device is an example of a device for generating a coal characteristic graph showing a distribution state according to the characteristics of each coal.
The CPU 1001 is a central processing unit that controls the information processing apparatus 900. The main storage device 1002 is a storage device such as a Random Access Memory (RAM) that functions as a work area of the CPU 1001 or a temporary storage area of data. The auxiliary storage device 1003 is a storage device such as a Read Only Memory (ROM) that stores various programs, various setting information, various image data, and the like, a hard disk drive (HDD), a solid state drive (SSD), and the like. The device I/F 1004 is an interface used for inputting/outputting information to/from an external device such as the NMR measuring apparatus 901. The input unit 1005 is an input unit such as a mouse, a keyboard, a microphone, and a touch panel. The output unit is an output unit such as a monitor, a speaker, or a display unit of a touch panel.
The CPU 1001 executes the processes in accordance with the programs stored in the auxiliary storage device 1003 or the like, whereby the functions of the information processing device 900 described later with reference to FIG. 11 and the processes of the flowcharts described later with reference to FIGS. 12 and 13 are realized.

図１１は、情報処理装置９００の機能構成の一例を示す図である。情報処理装置９００は、取得部１１０１、解析部１１０２、推定部１１０３、生成部１１０４、出力制御部１１０５を含む。
取得部１１０１は、デバイスＩ／Ｆ１００４を介して、ＮＭＲ測定装置９０１から、測定対象の石炭について測定された13Ｃ−ＭＡＳ−ＮＭＲスペクトルを取得する。
解析部１１０２は、取得部１１０１により取得された13Ｃ−ＭＡＳ−ＮＭＲスペクトルについての解析を行う。
推定部１１０３は、解析部１１０２による解析結果に基づいて、物性値の推定対象となる石炭の物性値を推定する。
生成部１１０４は、解析部１１０２による解析結果に基づいて、各石炭の特性に応じた分布を示す石炭特性グラフを生成する。
出力制御部１１０５は、推定部１１０３による推定結果、生成部１１０４により生成された石炭特性グラフを出力する。 FIG. 11 is a diagram showing an example of the functional configuration of the information processing apparatus 900. The information processing device 900 includes an acquisition unit 1101, an analysis unit 1102, an estimation unit 1103, a generation unit 1104, and an output control unit 1105.
The acquisition unit 1101 acquires the 13 C-MAS-NMR spectrum measured for the coal to be measured from the NMR measurement apparatus 901 via the device I/F 1004.
The analysis unit 1102 analyzes the 13 C-MAS-NMR spectrum acquired by the acquisition unit 1101.
The estimation unit 1103 estimates the physical property value of the coal whose physical property value is to be estimated based on the analysis result of the analysis unit 1102.
The production|generation part 1104 produces|generates the coal characteristic graph which shows the distribution according to the characteristic of each coal based on the analysis result by the analysis part 1102.
The output control unit 1105 outputs the estimation result of the estimation unit 1103 and the coal characteristic graph generated by the generation unit 1104.

（推定方法）
図１２を用いて、本実施形態の情報処理装置９００が実行する石炭の物性値の推定方法について説明する。本実施形態では、予め物性値が既知である１つ以上の石炭と、物性値が未知である１つ以上の石炭と、が用意されているとする。以下では、予め用意された物性値が既知の石炭を、既知石炭とする。また、以下では、予め用意された物性値が未知の石炭を、未知石炭とする。
Ｓ１２０１において、取得部１１０１は、既知石炭それぞれについての13Ｃ−ＭＡＳ−ＮＭＲスペクトルのデータであるスペクトルベクトルを、ＮＭＲ測定装置９０１から取得する。ＮＭＲ測定装置９０１は、既知石炭それぞれについて、核種13ＣのＮＭＲを測定し、測定して得られたスペクトルのデータを情報処理装置９００に送信する。ＮＭＲ測定装置９０１による測定による得られたスペクトルベクトルのデータは、13Ｃ−ＮＭＲスペクトルを示すスペクトルデータの一例である。
Ｓ１２０２において、取得部１１０１は、補助記憶装置１００３から、補助記憶装置１００３に予め記憶されている既知石炭それぞれの物性値を取得する。ただし、取得部１１０１は、既知石炭それぞれの物性値を取得できれば、補助記憶装置１００３から既知石炭それぞれの物性値を取得しないでもよい。例えば、取得部１１０１は、入力部１００５を介したユーザからの既知石炭の物性値の入力に基づいて、既知石炭それぞれの物性値を取得してもよい。 (Estimation method)
A method of estimating the physical property value of coal executed by the information processing apparatus 900 according to this embodiment will be described with reference to FIG. In the present embodiment, it is assumed that one or more coals whose physical property values are known in advance and one or more coals whose physical property values are unknown are prepared. In the following, coal prepared in advance with known physical property values is referred to as known coal. In the following, coal prepared in advance with unknown physical property values is referred to as unknown coal.
In S1201, the acquisition unit 1101 acquires, from the NMR measurement device 901, a spectrum vector that is data of 13 C-MAS-NMR spectrum for each known coal. The NMR measurement device 901 measures the NMR of the nuclide 13 C for each known coal, and transmits the spectrum data obtained by the measurement to the information processing device 900. The spectrum vector data obtained by the measurement by the NMR measurement apparatus 901 is an example of spectrum data showing a 13 C-NMR spectrum.
In S1202, the acquisition unit 1101 acquires, from the auxiliary storage device 1003, the physical property values of each known coal stored in advance in the auxiliary storage device 1003. However, the acquisition unit 1101 may not acquire the physical property values of the known coals from the auxiliary storage device 1003 as long as the physical property values of the known coals can be acquired. For example, the acquisition unit 1101 may acquire the physical property values of each known coal based on the input of the physical property values of the known coal from the user via the input unit 1005.

Ｓ１２０３において、解析部１１０２は、Ｓ１２０１で取得したスペクトルベクトルそれぞれを説明変数のサンプルとし、更に、Ｓ１２０２で取得した物性値を目的変数のサンプルとして、主成分回帰分析（ＰＣＲ）を行うことで、物性値の推定に用いられる推定関数を求める。
より具体的には、解析部１１０２は、Ｓ１２０１で取得したスペクトルベクトル（説明変数のサンプル）に対してＰＣＡを行うことで、説明変数の第１主成分を求める。そして、解析部１１０２は、既知石炭それぞれについて、スペクトルベクトルの第１主成分の値と物性値（目的変数のサンプル）とを取得する。そして、解析部１１０２は、取得したスペクトルベクトルの第１主成分の値と物性値とに基づいて、最小二乗法を用いて、スペクトルベクトルの第１主成分の値から物性値を推定する１次式の回帰関数である推定関数を求める。Ｓ１２０３で求めた推定関数は、説明変数と目的変数との関係を示す情報の一例である。解析部１１０２は、この推定関数を求めることで、説明変数と目的変数との関係を特定する。 In S1203, the analysis unit 1102 performs principal component regression analysis (PCR) by using each of the spectrum vectors acquired in S1201 as a sample of an explanatory variable, and further using the physical property values acquired in S1202 as a sample of an objective variable, a physical property regression analysis (PCR) is performed. Find the estimation function used to estimate the value.
More specifically, the analysis unit 1102 obtains the first principal component of the explanatory variable by performing PCA on the spectrum vector (sample of the explanatory variable) acquired in S1201. Then, the analysis unit 1102 acquires the value of the first principal component of the spectrum vector and the physical property value (sample of the objective variable) for each known coal. Then, the analysis unit 1102 estimates the physical property value from the value of the first principal component of the spectrum vector using the least squares method based on the value of the first principal component and the physical property value of the acquired spectrum vector. Find the estimation function that is the regression function of the equation. The estimation function obtained in S1203 is an example of information indicating the relationship between the explanatory variable and the objective variable. The analysis unit 1102 determines the relationship between the explanatory variable and the objective variable by obtaining this estimation function.

本実施形態では、解析部１１０２は、Ｓ１２０３で、ＰＣＲを行うことで、推定関数を求めることとした。但し、解析部１１０２は、他の多変量解析を行うことで、推定関数を求めることとしてもよい。
例えば、解析部１１０２は、Ｓ１２０１で取得したスペクトルベクトルそれぞれを説明変数のサンプルとし、更に、Ｓ１２０２で取得した物性値を目的変数のサンプルとして、部分的最小二乗回帰分析（ＰＬＳ）を行うことで、説明変数から目的変数を推定する推定関数を求めることとしてもよい。 In this embodiment, the analysis unit 1102 determines the estimation function by performing PCR in S1203. However, the analysis unit 1102 may obtain the estimation function by performing another multivariate analysis.
For example, the analysis unit 1102 performs a partial least squares regression analysis (PLS) by using each of the spectrum vectors acquired in S1201 as a sample of explanatory variables, and further using the physical property values acquired in S1202 as a sample of objective variables, An estimation function that estimates the objective variable from the explanatory variable may be obtained.

Ｓ１２０４において、取得部１１０１は、物性値の推定対象である未知石炭についてのスペクトルベクトルを、ＮＭＲ測定装置９０１から取得する。ＮＭＲ測定装置９０１は、この未知石炭について、核種13ＣのＮＭＲを測定し、測定して得られたスペクトルのデータを情報処理装置９００に送信する。
Ｓ１２０５において、推定部１１０３は、Ｓ１２０４で取得したスペクトルベクトルについて、Ｓ１２０３で特定された第１主成分の値を求める。そして、推定部１１０３は、求めた第１主成分の値を、Ｓ１２０３で求められた推定関数に代入することで、目的変数である未知石炭の物性値の推定値を取得する。
Ｓ１２０６において、出力制御部１１０５は、Ｓ１２０５で取得された推定値を、出力部１００６のモニタに表示することで出力する。ただし、出力制御部１１０５は、他の態様で、Ｓ１２０５で取得された推定値を出力してもよい。例えば、出力制御部１１０５は、Ｓ１２０５で取得された推定値を、補助記憶装置１００３に記憶することで出力してもよい。また、出力制御部１１０５は、Ｓ１２０５で取得された推定値を、予め定められた送信先に送信することで出力してもよい。また、出力制御部１１０５は、Ｓ１２０５で取得された推定値を、印刷装置を介して印刷することで出力してもよい。 In S1204, the acquisition unit 1101 acquires the spectrum vector of the unknown coal whose physical property value is to be estimated from the NMR measurement device 901. The NMR measuring device 901 measures the NMR of the nuclide 13 C for this unknown coal, and transmits the spectrum data obtained by the measurement to the information processing device 900.
In S1205, the estimation unit 1103 finds the value of the first principal component identified in S1203 for the spectrum vector acquired in S1204. Then, the estimation unit 1103 acquires the estimated value of the physical property value of unknown coal, which is the objective variable, by substituting the obtained value of the first principal component into the estimation function obtained in S1203.
In S1206, the output control unit 1105 outputs the estimated value acquired in S1205 by displaying it on the monitor of the output unit 1006. However, the output control unit 1105 may output the estimated value acquired in S1205 in another mode. For example, the output control unit 1105 may output the estimated value acquired in S1205 by storing it in the auxiliary storage device 1003. The output control unit 1105 may output the estimated value acquired in S1205 by transmitting the estimated value to a predetermined destination. Further, the output control unit 1105 may output the estimated value acquired in S1205 by printing the estimated value via a printing device.

（生成方法）
図１３を用いて、本実施形態の情報処理装置９００が実行する複数の石炭に対応するオブジェクトを、石炭の特性に応じた分布態様で表示する石炭特性グラフを生成する生成方法について説明する。
Ｓ１３０１において、取得部１１０１は、既知石炭それぞれについてのスペクトルベクトルを、ＮＭＲ測定装置９０１から取得する。
Ｓ１３０２において、解析部１１０２は、Ｓ１２０１で取得したスペクトルベクトル（説明変数のサンプル）に対してＰＣＡを行うことで、説明変数の第１主成分と、第２主成分と、を特定する。
Ｓ１３０３において、取得部１１０１は、物性値の推定対象である未知石炭それぞれについてのスペクトルベクトルを、ＮＭＲ測定装置９０１から取得する。 (Generation method)
With reference to FIG. 13, a generation method that is executed by the information processing apparatus 900 according to the present embodiment and that generates a coal characteristic graph that displays objects corresponding to a plurality of coals in a distribution mode according to the characteristics of the coals will be described.
In S1301, the acquisition unit 1101 acquires the spectrum vector for each known coal from the NMR measurement device 901.
In S1302, the analysis unit 1102 specifies the first principal component and the second principal component of the explanatory variable by performing PCA on the spectrum vector (sample of the explanatory variable) acquired in S1201.
In S1303, the acquisition unit 1101 acquires from the NMR measurement device 901 the spectrum vector for each unknown coal whose physical property value is to be estimated.

Ｓ１３０４において、生成部１１０４は、横軸がＳ１３０２で特定された第１主成分に対応し、縦軸がＳ１３０２で特定された第２主成分に対応する２次元のグラフを生成する。
そして、生成部１１０４は、Ｓ１３０１で取得された既知石炭に対応するスペクトルベクトルそれぞれについて、Ｓ１３０２で特定された第１主成分の値と、第２主成分の値と、を求める。また、生成部１１０４は、求めた第１主成分の値と第２主成分の値とに基づいて、既知石炭それぞれに対応するオブジェクト（例えば、円形オブジェクト、矩形オブジェクト、三角形オブジェクト等）を、生成したグラフ上にプロットする。
また、生成部１１０４は、Ｓ１３０３で取得された未知石炭それぞれに対応するスペクトルベクトルそれぞれについて、Ｓ１３０２で特定された第１主成分の値と、第２主成分の値と、を求める。また、生成部１１０４は、求めた第１主成分の値と第２主成分の値とに基づいて、未知石炭それぞれに対応するオブジェクト（例えば、円形オブジェクト、矩形オブジェクト、三角形オブジェクト等）を、生成したグラフ上にプロットする。
また、生成部１１０４は、プロットした各オブジェクトがどの石炭に対応するかを示す情報（例えば、石炭名等）を、このグラフ上に記載する。
生成部１１０４は、以上の処理により、各石炭に対応するオブジェクトが各石炭の特性に応じて分布されている石炭特性グラフを生成する。 In S1304, the generation unit 1104 generates a two-dimensional graph in which the horizontal axis corresponds to the first principal component identified in S1302 and the vertical axis corresponds to the second principal component identified in S1302.
And the production|generation part 1104 calculates|requires the value of the 1st main component and the value of the 2nd main component which were specified by S1302 about each spectrum vector corresponding to the known coal acquired by S1301. In addition, the generation unit 1104 generates an object (for example, a circular object, a rectangular object, a triangular object, etc.) corresponding to each known coal based on the obtained value of the first principal component and the value of the second principal component. Plot on the graph.
Further, the generation unit 1104 obtains the value of the first main component and the value of the second main component identified in S1302 for each spectrum vector corresponding to each unknown coal acquired in S1303. In addition, the generation unit 1104 generates an object (for example, a circular object, a rectangular object, a triangular object, etc.) corresponding to each unknown coal, based on the obtained value of the first principal component and the value of the second principal component. Plot on the graph.
In addition, the generation unit 1104 writes information (for example, coal name) indicating which coal each plotted object corresponds to on this graph.
Through the above processing, the generation unit 1104 generates a coal characteristic graph in which objects corresponding to each coal are distributed according to the characteristics of each coal.

Ｓ１３０５において、出力制御部１１０５は、Ｓ１３０４で生成された石炭特性グラフを、出力部１００６のモニタに表示することで出力する。ただし、出力制御部１１０５は、他の態様で、Ｓ１３０４で生成された石炭特性グラフを出力してもよい。例えば、出力制御部１１０５は、Ｓ１３０４で生成された石炭特性グラフを、印刷装置を介して印刷することで出力してもよい。
また、出力制御部１１０５は、Ｓ１３０４で生成された石炭特性グラフを、補助記憶装置１００３に記憶することで出力してもよい。また、出力制御部１１０５は、Ｓ１３０４で生成された石炭特性グラフを、予め定められた送信先に送信することで出力してもよい。 In S1305, the output control unit 1105 outputs the coal characteristic graph generated in S1304 by displaying it on the monitor of the output unit 1006. However, the output control unit 1105 may output the coal characteristic graph generated in S1304 in another mode. For example, the output control unit 1105 may output the coal characteristic graph generated in S1304 by printing it through a printing device.
The output control unit 1105 may output the coal characteristic graph generated in S1304 by storing it in the auxiliary storage device 1003. In addition, the output control unit 1105 may output the coal characteristic graph generated in S1304 by transmitting it to a predetermined destination.

（効果）
本実施形態では、解析システムは、既知石炭の13Ｃ−ＭＡＳ−ＮＭＲスペクトルのデータを用いた多変量解析により、石炭の物性値を求める推定関数を求め、求めた推定関数を用いて、未知石炭の物性値を推定することとした。解析システムは、13Ｃ−ＭＡＳ−ＮＭＲスペクトルのデータとして、特定の化学シフトの範囲（０ｐｐｍ〜２２０ｐｐｍ）における13Ｃ−ＭＡＳ−ＮＭＲスペクトル全体を示すスペクトルベクトルのデータを用いた。これにより、解析システムは、13Ｃ−ＭＡＳ−ＮＭＲスペクトルの内容を解釈することなく、特定の化学シフトの範囲の13Ｃ−ＭＡＳ−ＮＭＲスペクトル全体に含まれる情報を活用しつつ、未知石炭の物性値を推定できることとなる。
これにより、ユーザは、ＮＭＲスペクトルの内容について専門知識がなくとも、13Ｃ−ＭＡＳ−ＮＭＲスペクトルに含まれる情報を活用した上での未知石炭の物性値の推定値を把握できる。即ち、解析システムは、石炭の13Ｃ−ＮＭＲスペクトルを用いて、ＮＭＲスペクトルに関する専門知識がないようなユーザが、より容易に、より精度よく石炭の特性を把握できるように支援できる。 (effect)
In the present embodiment, the analysis system obtains an estimation function for obtaining physical property values of coal by multivariate analysis using data of 13 C-MAS-NMR spectrum of known coal, and uses the obtained estimation function to obtain unknown coal. It was decided to estimate the physical properties of. Analysis system, as 13 C-MAS-NMR spectra of the data, using the data of the spectral vector representing the 13 C-MAS-NMR entire spectrum in a specific range of chemical shift (0ppm~220ppm). Thus, the analysis system, without interpreting the 13 C-MAS-NMR spectral content, while utilizing the information contained in the 13 entire C-MAS-NMR spectrum of a specific range of chemical shift, the physical properties of the unknown coal The value can be estimated.
Thereby, the user can grasp the estimated value of the physical property value of the unknown coal by utilizing the information contained in the 13 C-MAS-NMR spectrum even if the user has no specialized knowledge about the content of the NMR spectrum. That is, the analysis system can use the 13 C-NMR spectrum of coal to assist a user who does not have expertise in NMR spectrum, to more easily and more accurately understand the characteristics of coal.

また、本実施形態では、解析システムは、既知石炭の13Ｃ−ＭＡＳ−ＮＭＲスペクトルのデータであるスペクトルベクトルを説明変数のサンプルとして、既知石炭のスペクトルベクトルを用いたＰＣＡにより、説明変数の第１主成分と第２主成分とを特定し、特定した第１主成分に対応する軸と第２主成分に対応する軸とで表される石炭特性グラフを生成することとした。そして、解析システムは、生成した石炭特性グラフに、既知石炭と未知石炭とのそれぞれに対応するオブジェクトをプロットすることで、各石炭に対応するオブジェクトが各石炭の特性に応じて分布されている石炭特性グラフを生成した。これにより、解析システムは、13Ｃ−ＭＡＳ−ＮＭＲスペクトルの内容を解釈することなく、特定の化学シフトの範囲の13Ｃ−ＭＡＳ−ＮＭＲスペクトル全体に含まれる情報を活用しつつ、各石炭に対応するオブジェクトが各石炭の特性に応じて分布されている石炭特性グラフを生成できる。
ユーザは、この石炭特性グラフにおける各オブジェクトの分布を確認することで、ＮＭＲスペクトルの内容について専門知識がなくとも、未知石炭の特性を把握できる。即ち、解析システムは、石炭の13Ｃ−ＮＭＲスペクトルを用いて、ＮＭＲスペクトルに関する専門知識がないようなユーザが、より容易に、より精度よく石炭の特性を把握できるように支援できる。 Further, in the present embodiment, the analysis system uses the spectrum vector, which is the data of 13 C-MAS-NMR spectrum of known coal, as a sample of the explanatory variable, and performs the first explanatory variable by PCA using the spectral vector of the known coal. The main component and the second main component are specified, and a coal characteristic graph represented by an axis corresponding to the specified first main component and an axis corresponding to the second main component is generated. Then, the analysis system plots the objects corresponding to the known coal and the unknown coal in the generated coal characteristic graph, so that the objects corresponding to each coal are distributed according to the characteristics of each coal. A characteristic graph was generated. Thus, the analysis system, without interpreting the 13 C-MAS-NMR spectral content, while utilizing the information contained in the 13 entire C-MAS-NMR spectrum of a specific range of chemical shift, corresponding to the coal It is possible to generate a coal characteristic graph in which the objects to be distributed are distributed according to the characteristics of each coal.
By confirming the distribution of each object in this coal characteristic graph, the user can grasp the characteristic of unknown coal even if he/she does not have expert knowledge about the content of the NMR spectrum. That is, the analysis system can use the 13 C-NMR spectrum of coal to assist a user who does not have expertise in NMR spectrum, to more easily and more accurately understand the characteristics of coal.

本実施形態では、解析システムは、以上のように、石炭の13Ｃ−ＭＡＳ−ＮＭＲスペクトルを用いた解析を行うこととした。ＩＲ測定では、ある程度多元素由来の構造シグナルを取得できるが、スペクトル中に複数の振動モードを含むため、単分子においても非常に複雑なスペクトルパターンを示す。一方、ＮＭＲ測定では元素選択的な構造スペクトルを取得でき、1Ｈや13Ｃ核のような核スピン量子数１／２の核種であれば、適切な条件で測定すると、ＮＭＲスペクトル中の各ピークを１つの原子的環境とみなすことができ、ＩＲ測定と比較して分解能の良いスペクトルが得られる。また、IR測定では双極子モーメントの変化が伴わない場合、赤外活性とならず、スペクトルが生じない、あるいは、ピークにより吸収強度が異なり、複数ピーク間の定量比較が単純にはできない。一方、ＮＭＲ測定では核固有の核磁気回転比に基づく共鳴スペクトル強度を示すため、十分に緩和させる時間を待てば定量的な原子数比を反映するスペクトルを得ることができる。即ち、ＮＭＲ測定では、赤外線分光法よりも高分解能で、元素の定量比を反映するスペクトルを得ることができる。そのため、ＮＭＲ測定で得られたスペクトルのデータを用いて、ＩＲ測定で得られたデータを用いる場合よりも、より適切な解析を行うことができる。
また、石炭には構成成分として、前述の有機質を中心とするＶＭやＦＣの他に、灰分、吸着水分や表面水分が含まれる。ＩＲ測定では、多元素由来のピーク成分を同一スペクトル上で観測できるが、水分を含む試料の解析において、含有水分によるバックグラウンドの歪みが解析に支障をきたす場合があるという問題があるが、13Ｃ−ＭＡＳ−ＮＭＲ測定では、元素選択的に観測を行うため、このような問題はない。そのため、解析システムは、石炭の13Ｃ−ＭＡＳ−ＮＭＲスペクトルを用いて解析を行うことで、水分を含みうる物体である石炭について、赤外線分光法を用いる場合よりもより適切に解析できる。 In the present embodiment, the analysis system is configured to perform analysis using the 13 C-MAS-NMR spectrum of coal as described above. In IR measurement, structural signals derived from multi-elements can be obtained to some extent, but a single molecule exhibits a very complicated spectral pattern because it contains a plurality of vibration modes in the spectrum. On the other hand, in the NMR measurement, an element-selective structural spectrum can be obtained, and if the nuclide with a nuclear spin quantum number of 1/2 such as 1 H or 13 C nucleus is measured under appropriate conditions, each peak in the NMR spectrum can be obtained. Can be regarded as one atomic environment, and a spectrum with good resolution can be obtained as compared with the IR measurement. In addition, in the case of IR measurement, when the dipole moment is not changed, infrared activity does not occur and no spectrum occurs, or the absorption intensity differs depending on the peaks, and quantitative comparison between multiple peaks cannot be performed simply. On the other hand, since the NMR measurement shows the resonance spectrum intensity based on the nuclear gyromagnetic ratio peculiar to nuclei, it is possible to obtain a spectrum that reflects a quantitative atomic number ratio by waiting for a sufficient relaxation time. That is, in NMR measurement, a spectrum that reflects the quantitative ratio of elements can be obtained with higher resolution than infrared spectroscopy. Therefore, more appropriate analysis can be performed using the spectrum data obtained by the NMR measurement than when using the data obtained by the IR measurement.
Coal contains ash, adsorbed moisture and surface moisture in addition to VM and FC mainly composed of the above-mentioned organic substances as constituent components. The IR measurement, but the peak components from multiple elements can be observed on the same spectrum, in the analysis of a sample containing water, there is a problem that there are cases where the distortion of the background due to the water content is detrimental to the analysis, 13 The C-MAS-NMR measurement does not have such a problem because the element-selective observation is performed. Therefore, the analysis system can analyze the coal, which is an object that may contain water, more appropriately by using the 13 C-MAS-NMR spectrum of the coal than by using the infrared spectroscopy.

（変形例１）
本実施形態では、解析システムは、石炭の13Ｃ−ＭＡＳ−ＮＭＲスペクトルのデータとして、ｎ番目の要素が、化学シフト０．１９４１７５×（ｎ−１）に対応する13Ｃ−ＭＡＳ−ＮＭＲスペクトルの値を示す１１３４次元のベクトルを用いた。ただし、解析システムは、石炭の13Ｃ−ＭＡＳ−ＮＭＲスペクトルのデータとして、特定の化学シフトの範囲における13Ｃ−ＭＡＳ−ＮＭＲスペクトル全体の形状が表されるデータであるならビン化により他のデータ点数にまとめたデータを用いてもよい。例えば、解析システムは、ｎ番目の要素が、化学シフト０．１９４１７５×（２ｎ−２）（ｐｐｍ）に対応する13Ｃ−ＭＡＳ−ＮＭＲスペクトルの値を示す５６７次元のベクトルとして作成したデータを用いてもよい。
（変形例２）
本実施形態では、解析システムは、Ｓ１３０４で生成した石炭特性グラフ上にプロットされた各オブジェクトに対応する各石炭を示す情報を記載するとした。ただし、解析システムは、Ｓ１３０４で生成した石炭特性グラフ上にプロットされた各オブジェクトをユーザにとって区別可能な態様で各オブジェクトを表示できれば、各オブジェクトに対応する各石炭を示す情報を記載しなくてもよい。例えば、解析システムは、石炭特性グラフ上に、石炭ごとに、形状や色がそれぞれ異なるオブジェクトをプロットするようにしてもよい。 (Modification 1)
In the present embodiment, the analysis system, the 13 C-MAS-NMR spectrum data of coal, n-th element, chemical shifts 0.194175 × (n-1) corresponding to the 13 C-MAS-NMR spectrum A 1134-dimensional vector indicating the value was used. However, if the analysis system is the data of the 13 C-MAS-NMR spectrum of coal that represents the overall shape of the 13 C-MAS-NMR spectrum in a specific chemical shift range, other data can be obtained by binning. You may use the data summarized in the score. For example, the analysis system uses data created as a 567-dimensional vector in which the n-th element shows the value of the 13 C-MAS-NMR spectrum corresponding to the chemical shift of 0.194175×(2n−2) (ppm). May be.
(Modification 2)
In the present embodiment, the analysis system describes the information indicating each coal corresponding to each object plotted on the coal characteristic graph generated in S1304. However, if the analysis system can display each object plotted on the coal characteristic graph generated in S1304 in a manner that can be distinguished by the user, the analysis system does not have to describe the information indicating each coal corresponding to each object. Good. For example, the analysis system may plot objects having different shapes and colors for each coal on the coal characteristic graph.

（変形例３）
本実施形態では、情報処理装置９００が、推定方法と生成方法とを実行することした。しかし、ＮＭＲ測定装置９０１による既知石炭と未知石炭との測定により得られたデータから、ユーザが、人手で推定方法と生成方法とを実行することとしてもよい。
（その他の変形例）
本実施形態の解析システムの機能構成の一部又は全てをハードウェアとして情報処理装置９００に実装してもよい。 (Modification 3)
In the present embodiment, the information processing device 900 executes the estimation method and the generation method. However, the user may manually execute the estimation method and the generation method from the data obtained by the measurement of the known coal and the unknown coal by the NMR measurement device 901.
(Other modifications)
Part or all of the functional configuration of the analysis system of this embodiment may be implemented as hardware in the information processing apparatus 900.

９００ 情報処理装置、９０１ ＮＭＲ測定装置、１００１ ＣＰＵ 900 information processing device, 901 NMR measuring device, 1001 CPU

Claims (11)

物性値が既知の石炭である既知石炭の核種13ＣについてのＮＭＲ（Ｎｕｃｌｅａｒ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ）スペクトルを示す第１のスペクトルデータを取得する第１の取得工程と、
前記第１の取得工程で取得された前記第１のスペクトルデータを説明変数のサンプルとして、前記既知石炭の前記物性値を目的変数のサンプルとして、前記第１のスペクトルデータと前記既知石炭の前記物性値とを用いた多変量解析により、前記説明変数と前記目的変数との関係を特定する特定工程と、
前記物性値が未知の石炭である未知石炭の核種13ＣについてのＮＭＲスペクトルを示す第２のスペクトルデータを取得する第２の取得工程と、
前記第２の取得工程で取得された前記第２のスペクトルデータと、前記特定工程で特定された前記関係と、に基づいて、前記未知石炭の前記物性値を推定する推定工程と、
を含む石炭の物性値の推定方法。 A first acquisition step of acquiring a first spectral data showing an NMR (Nuclear Magnetic Resonance) spectrum of a nuclear 13C of known coal whose physical property value is known;
The first spectral data acquired in the first acquisition step as an explanatory variable sample, the physical property value of the known coal as a target variable sample, the first spectral data and the physical property of the known coal By a multivariate analysis using the value, a specifying step of specifying the relationship between the explanatory variable and the objective variable,
A second acquisition step of acquiring second spectrum data showing an NMR spectrum of nuclide 13 C of unknown coal whose physical property value is unknown coal;
An estimation step of estimating the physical property value of the unknown coal based on the second spectrum data acquired in the second acquisition step and the relationship specified in the specification step,
Method for estimating physical property values of coal including. 前記特定工程では、前記多変量解析として、主成分回帰分析を用いて、前記関係を特定する請求項１記載の石炭の物性値の推定方法。 The method for estimating a physical property value of coal according to claim 1, wherein in the identifying step, the relationship is identified by using a principal component regression analysis as the multivariate analysis. 前記特定工程では、前記第１の取得工程で取得された前記第１のスペクトルデータに対する主成分分析により求まる前記説明変数の第１主成分から前記目的変数を推定する関数を前記関係として特定する請求項２記載の石炭の物性値の推定方法。 In the specifying step, a function for estimating the objective variable from the first principal component of the explanatory variable obtained by principal component analysis on the first spectral data acquired in the first acquiring step is specified as the relationship. Item 2. A method for estimating physical property values of coal according to item 2. 前記特定工程では、前記多変量解析として、部分的最小二乗回帰分析を用いて、前記関係を特定する請求項１記載の石炭の物性値の推定方法。 The method for estimating a physical property value of coal according to claim 1, wherein in the identifying step, the relationship is identified by using a partial least squares regression analysis as the multivariate analysis. 前記物性値は、固定炭素量、ビトリニット反射率、揮発成分量のうちの何れかである請求項１乃至４何れか１項記載の石炭の物性値の推定方法。 The method for estimating a physical property value of coal according to any one of claims 1 to 4, wherein the physical property value is one of a fixed carbon amount, a vitrinite reflectance, and an amount of a volatile component. 物性値が既知の石炭である既知石炭の核種13ＣについてのＮＭＲスペクトルを示す第１のスペクトルデータを取得する第１の取得工程と、
物性値が未知の石炭である未知石炭の核種13ＣについてのＮＭＲスペクトルを示す第２のスペクトルデータを取得する第２の取得工程と、
前記第１の取得工程で取得された前記第１のスペクトルデータに対する主成分分析により求まる第１主成分と第２主成分とにそれぞれ対応する２つの軸で表されるグラフであって、前記第１の取得工程で取得された前記第１のスペクトルデータと前記第２の取得工程で取得された前記第２のスペクトルデータとのそれぞれに対応するオブジェクトがプロットされた石炭特性グラフを生成する生成工程と、
を含む石炭特性グラフの生成方法。 A first acquisition step of acquiring first spectrum data showing an NMR spectrum of a nuclide 13 C of known coal whose physical property value is known coal;
A second acquisition step of acquiring second spectrum data showing an NMR spectrum of nuclide 13 C of unknown coal whose physical property value is unknown;
The graph represented by two axes respectively corresponding to a first principal component and a second principal component obtained by principal component analysis on the first spectrum data acquired in the first acquisition step, A generation step of generating a coal characteristic graph in which objects corresponding to the first spectrum data acquired in the first acquisition step and the second spectrum data acquired in the second acquisition step are plotted When,
A method for generating a coal characteristic graph including. 前記生成工程で生成された前記石炭特性グラフを出力する出力工程を更に含む請求項６記載の石炭特性グラフの生成方法。 The method for generating a coal characteristic graph according to claim 6, further comprising an output step of outputting the coal characteristic graph generated in the generating step. 物性値が既知の石炭である既知石炭の核種13ＣについてのＮＭＲスペクトルを示す第１のスペクトルデータを取得する第１の取得手段と、
前記第１の取得手段により取得された前記第１のスペクトルデータを説明変数のサンプルとして、前記既知石炭の前記物性値を目的変数のサンプルとして、前記第１のスペクトルデータと前記既知石炭の前記物性値とを用いた多変量解析により、前記説明変数と前記目的変数との関係を特定する特定手段と、
前記物性値が未知の石炭である未知石炭の核種13ＣについてのＮＭＲスペクトルを示す第２のスペクトルデータを取得する第２の取得手段と、
前記第２の取得手段により取得された前記第２のスペクトルデータと、前記特定手段により特定された前記関係と、に基づいて、前記未知石炭の前記物性値を推定する推定手段と、
を有する石炭の物性値の推定装置。 A first acquisition means for acquiring first spectrum data showing an NMR spectrum for a nuclide 13 C of a known coal having a known physical property value;
Using the first spectrum data acquired by the first acquisition means as an explanatory variable sample, the physical property value of the known coal as an objective variable sample, the first spectral data and the physical property of the known coal. By means of multivariate analysis using the value, specifying means for specifying the relationship between the explanatory variable and the objective variable,
A second acquisition means for acquiring second spectrum data showing an NMR spectrum of the nuclide 13 C of unknown coal whose physical property value is unknown coal;
An estimating unit that estimates the physical property value of the unknown coal based on the second spectrum data acquired by the second acquiring unit and the relationship specified by the specifying unit,
For estimating the physical property value of coal having. 物性値が既知の石炭である既知石炭の核種13ＣについてのＮＭＲスペクトルを示す第１のスペクトルデータを取得する第１の取得手段と、
物性値が未知の石炭である未知石炭の核種13ＣについてのＮＭＲスペクトルを示す第２のスペクトルデータを取得する第２の取得手段と、
前記第１の取得手段により取得された前記第１のスペクトルデータに対する主成分分析により求まる第１主成分と第２主成分とにそれぞれ対応する２つの軸で表されるグラフであって、前記第１の取得手段により取得された前記第１のスペクトルデータと前記第２の取得手段により取得された前記第２のスペクトルデータとのそれぞれに対応するオブジェクトがプロットされた石炭特性グラフを生成する生成手段と、
を有する石炭特性グラフの生成装置。 A first acquisition means for acquiring first spectrum data showing an NMR spectrum for a nuclide 13 C of a known coal having a known physical property value;
Second acquisition means for acquiring second spectrum data showing an NMR spectrum of nuclide 13 C of unknown coal whose physical property value is unknown;
A graph represented by two axes respectively corresponding to a first principal component and a second principal component obtained by a principal component analysis on the first spectrum data acquired by the first acquisition means, Generating means for generating a coal characteristic graph in which objects corresponding to each of the first spectrum data acquired by the first acquisition means and the second spectrum data acquired by the second acquisition means are plotted. When,
Of coal characteristic graph having. コンピュータを、請求項８記載の石炭の物性値の推定装置の各手段として、機能させるためのプログラム。 A program for causing a computer to function as each unit of the apparatus for estimating a physical property value of coal according to claim 8. コンピュータを、請求項９記載の石炭特性グラフの生成装置の各手段として、機能させるためのプログラム。 A program for causing a computer to function as each unit of the coal characteristic graph generation device according to claim 9.
JP2019010873A 2019-01-25 2019-01-25 Coal property value estimation method, coal property graph generation method, coal property value estimation device, coal property graph generation device and program Active JP7156058B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019010873A JP7156058B2 (en) 2019-01-25 2019-01-25 Coal property value estimation method, coal property graph generation method, coal property value estimation device, coal property graph generation device and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019010873A JP7156058B2 (en) 2019-01-25 2019-01-25 Coal property value estimation method, coal property graph generation method, coal property value estimation device, coal property graph generation device and program

Publications (2)

Publication Number Publication Date
JP2020118579A true JP2020118579A (en) 2020-08-06
JP7156058B2 JP7156058B2 (en) 2022-10-19

Family

ID=71891991

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019010873A Active JP7156058B2 (en) 2019-01-25 2019-01-25 Coal property value estimation method, coal property graph generation method, coal property value estimation device, coal property graph generation device and program

Country Status (1)

Country Link
JP (1) JP7156058B2 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000356633A (en) * 1999-04-13 2000-12-26 Nkk Corp Method of measuring coke strength of coal, and manufacture of coke
JP2010271256A (en) * 2009-05-25 2010-12-02 Jfe Steel Corp Method for estimating thermal history of coal or coke
JP2011085564A (en) * 2008-11-25 2011-04-28 Mitsubishi Rayon Co Ltd Quantitative analysis of copolymer

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000356633A (en) * 1999-04-13 2000-12-26 Nkk Corp Method of measuring coke strength of coal, and manufacture of coke
JP2011085564A (en) * 2008-11-25 2011-04-28 Mitsubishi Rayon Co Ltd Quantitative analysis of copolymer
JP2010271256A (en) * 2009-05-25 2010-12-02 Jfe Steel Corp Method for estimating thermal history of coal or coke

Also Published As

Publication number Publication date
JP7156058B2 (en) 2022-10-19

Similar Documents

Publication Publication Date Title
Xiaobo et al. Variables selection methods in near-infrared spectroscopy
Nocita et al. Prediction of soil organic carbon content by diffuse reflectance spectroscopy using a local partial least square regression approach
Balabin et al. Gasoline classification by source and type based on near infrared (NIR) spectroscopy data
Wang et al. Improved PLS regression based on SVM classification for rapid analysis of coal properties by near-infrared reflectance spectroscopy
Lupoi et al. Assessment of thermal maturity trends in Devonian–Mississippian source rocks using Raman spectroscopy: limitations of peak-fitting method
Dong et al. Quantitative analysis of adulteration of extra virgin olive oil using Raman spectroscopy improved by Bayesian framework least squares support vector machines
US7698098B2 (en) Efficient spectral matching, particularly for multicomponent spectra
Bona et al. Coal analysis by diffuse reflectance near-infrared spectroscopy: Hierarchical cluster and linear discriminant analysis
Liu et al. A comparative study for least angle regression on NIR spectra analysis to determine internal qualities of navel oranges
CN105008898A (en) System for and method of combined LIBS and IR absorption spectroscopy investigations
JP2010527017A (en) Kernel-type method and apparatus that uses spectroscopic data to classify materials or chemicals and quantify the properties of materials or chemicals in a mixture
Han et al. On-line multi-component analysis of gases for mud logging industry using data driven Raman spectroscopy
US10809184B1 (en) Method and apparatus for reducing noise in spectroscopic data at a point on a sample
Harhira et al. Rapid determination of bitumen content in athabasca oil sands by laser-induced breakdown spectroscopy
Pejcic et al. Analysis of carbonaceous materials in shales using mid-infrared spectroscopy
Dalmiya et al. Derived cetane number prediction of jet fuels and their functional group surrogates using liquid phase infrared absorption
Zhu et al. An effective and rapid approach to predict molecular composition of naphtha based on raw NIR spectra
Leskovar et al. Preservation state assessment and post-mortem interval estimation of human skeletal remains using ATR-FTIR spectra
Maalouf et al. Support vector regression to predict asphalt mix performance
Dupuy et al. Near-infrared spectroscopy analysis of heavy fuel oils using a new diffusing support
Chen et al. Spectral-guided ensemble modelling for soil spectroscopic prediction
Gatta et al. New approach to the differentiation of marble samples using thermal analysis and chemometrics in order to identify provenance
Motobayashi et al. Dissociation pathways of a single dimethyl disulfide on Cu (111): Reaction induced by simultaneous excitation of two vibrational modes
JP2020118579A (en) Method for estimating physical property value of coal, method for generating coal characteristic graph, device for estimating physical property value of coal, and device and program for generating coal characteristic graph
Ramos et al. Data fusion and dual-domain classification analysis of pigments studied in works of art

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210903

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220615

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220628

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220822

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220906

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220919

R151 Written notification of patent or utility model registration

Ref document number: 7156058

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151