1.一种基于太赫兹多参数谱的煤岩界面识别方法，使用太赫兹时域光谱仪，太赫兹时域光谱仪包括用于产生光源的飞秒激光器(3)、产生太赫兹脉冲的发射天线(1)、样本检测仓(4)、收太赫兹脉冲的接收天线(2)以及调整飞秒激光和太赫兹脉冲之间时间差的延时线(5)五个部分；所述的样本检测仓位(4)于发射天线(1)和接收天线(2)之间，发射天线太赫兹光垂直作用到样本检测仓(4)的煤岩样品上；其特征在于步骤如下：步骤1，分别从不同品种的煤岩中挑选并制作煤岩样品，使用太赫兹时域光谱仪采集参考信号和煤岩样品的太赫兹时域光谱数据，所述的煤岩样品包括：无烟煤、烟煤、褐煤、砂岩和页岩几类；

步骤2，利用快速傅里叶变换将太赫兹时域光谱转换为太赫兹频域光谱；从太赫兹频域光谱中提取各个煤岩样品的透过率光谱、折射率光谱和吸收系数光谱；并对透过率光谱、折射率光谱和吸收系数光谱分别进行平滑和加窗预处理，经过比较后分别选取透过率光谱、折射率光谱和吸收系数光谱中0.4-1.0THz频段的光谱数据；

步骤3，将透过率光谱、折射率光谱和吸收系数光谱的光谱数据标注为煤和岩的光谱数据，利用线性判别式分析技术对光谱数据进行降维和特征提取；

步骤4，利用深度神经网络对透过率光谱、折射率光谱和吸收系数光谱进行联合分析建模；

步骤5，采集如步骤1中不同品种煤岩并制作样本，获取煤、岩样本的太赫兹时域光谱，经步骤2处理后带入步骤3和步骤4，所建模型中，进行煤岩界面识别。

2.根据权利要求1所述的基于太赫兹多参数谱的煤岩界面识别方法，其特征在于：所述的飞秒激光器赫兹时域光谱采集装置为天津大学组建的系统设备，其中心波长800nm，带宽大于70nm，重复频率80MHz；所述的发射天线的材质为高阻砷化镓，所述的接收天线材质为蓝宝石上硅，系统频率范围：0.1-3.5THz；所述的样本检测仓选用聚乙烯材料。

3.根据权利要求1所述的基于太赫兹多参数谱的煤岩界面识别方法，其特征在于：每次采集煤岩样品的太赫兹时域光谱时选取3-5个不同的点位进行采集，每个点位重复采集3-4次光谱。

4.根据权利要求1所述的基于太赫兹多参数谱的煤岩界面识别方法，其特征在于：所述步骤1在检测过程中，采用太赫兹时域光谱系统的透射扫描模块，获取以干燥空气为背景的参考信号时域光谱和煤岩样品的太赫兹时域光谱，所述干燥空气湿度低于5％。

5.根据权利要求1所述的基于太赫兹多参数谱的煤岩界面识别方法，其特征在于：所述步骤2经傅里叶变换后的太赫兹频谱范围为0.1～3.5THz；

基于太赫兹频域光谱提取透射光谱T(ω)、折射率光谱n(ω)和吸收系数光谱α(ω)采用THz光学参数提取模型，计算公式如下：T(ω)＝Esam(ω)/Eref(ω)

其中，透射系数为T(ω)，Eref(ω)和Esam(ω)分别为参考信号太赫兹频谱和样品太赫兹频谱，样品的厚度为d，c为光速，n(ω)为样品的折射率，α(ω)为样品的吸收系数，ρ(ω)项为测试样品信号与参考信号幅度的比值， 项为测试样品信号与参考信号的相位差，k(ω)为测试样品复折射率的虚部，也称为消光系数。

6.根据权利要求1所述的一种基于太赫兹多参数谱的煤岩界面识别方法，其特征在于：所述步骤2通过加窗技术对透射光谱、折射率光谱和吸收光谱进行优选，提取信噪比较高的

0.4-1THz频段光谱数据，并利用Savitzky-Golay平滑方法处理光谱曲线，消除系统和环境噪声。

7.根据权利要求1所述的基于太赫兹多参数谱的煤岩界面识别方法，其特征在于采用线性判别式分析方法对光谱数据进行降维并提取光谱特征值步骤为：将所有煤样本的吸收光谱、透射光谱、折射光谱合并构建煤的多参数光谱X1并标注，将所有岩样本的的吸收光谱、透射光谱、折射光谱合并构建岩的多参数光谱X2并标注；其中煤的多参数光谱X1和岩的多参数光谱的矩阵结构均为： 其中n表示不同的煤种/岩种，p表示同一种煤/岩的光谱数据维度，x表示所有样本数据，这里用矩阵形式表示；

将煤、岩样本的多参数光谱通过线性判别式分析/LDA进行降维和特征提取，相对单光谱数据而言，联合光谱经过线性判别式分析方法后可以得到更高的识别率。

8.根据权利要求1所述的基于太赫兹多参数谱的煤岩界面识别方法，其特征在于步骤3中，线性判别式分析方法的降维流程为：

1)从煤岩光谱数据集中计算不同种类煤岩光谱数据的均值向量，其中向量维度设为

200维；

2)利用公式： 计算类间散度矩阵Sb，其中Nj表示标号为j

类的样本的个数，μ为所有样本的均值向量，μj为类别j中所有样本的均值向量；

3)利用公式： 计算类内散度矩阵Sw，其中Xj为第j

类煤/岩的光谱数据集合，Nj为标号为j类的样本的个数；

4)计算类间散度和类内散度所对应的特征值和特征向量，其中特征值为λ1，λ2，...，λk,特征向量分别为W1,W2,…,Wk；

5)对特征值按降序排列，选取前d个特征值所对应的特征向量构成矩阵W；

6)利用矩阵W将原煤岩光谱数据X1/X2投影映射到新的空间上，得到新的煤光谱数据集Y1和新的岩光谱数据集Y2，其中煤光谱数据集Y1和岩光谱数据集Y2的维度被降到了80维，大大减少了数据量和计算时间。

9.根据权利要求1或8所述的基于太赫兹多参数谱的煤岩界面识别方法，其特征在于：将不同种类的煤和岩分别进行标注，然后利用经过线性判别式分析后的煤光谱数据集Y1和岩光谱数据集Y2作为输入采用深度神经网络方法进行建模，建模维度为80维，神经元个数为500，输出维度为2维，最大迭代次数为100，学习率0.001，dropout保留节点比例设为0.9，损失函数使用AdamOptimizer优化器，定为交叉熵损失最小。

10.根据权利要求1所述的基于太赫兹多参数谱的煤岩界面识别方法，其特征在于：当采煤机工作时，采煤机滚筒切割煤层、岩层，会产生块状和粉状的煤岩样，利用粉末采集装置，采集当前采煤机截割的物质粉末，通过传送通道让粉末集聚在样本检测仓内，通过太赫兹光谱采集探头获取未知粉末的太赫兹时域光谱。