光谱学

摘要：快速准确检测出复合肥生产时元素含量，指导厂家生产具有重要意义。对支持向量机（SVM：Support Vector Machine）常用寻优方式进行深度分析对比，以复合肥中磷（P）,氮（N），钾（K）元素含量定量分析为例，针对传统网格搜索法（GSM:Grid Search Method）,遗传算法（GA：Genetic Algorithm）,粒子群算法（PSO: Particle Swarm Optimization）,最小二乘法（LS：Least Squares）四种寻优方式作对比研究。使用激光诱导击穿光谱（LIBS）技术获取安徽徽隆集团提供的58个复合肥样品特征谱线并采用Matlab进行洛伦兹拟合得到光谱强度，用Kennard-Stone(K-S)选取训练集（43个）和测试集（15个），以相关系数（R2），绝对误差，训练时间（t）作为评价四种方式指标进行对比研究。结果表明，LS-SVM相较于其他算法在时间上更短，误差最小，更适合复合肥中元素的快速定量分析。

李江涛, 沙文, 郑春厚. 基于支持向量机模型寻优方式对比分析[J]. 中国激光, 2019, 46(11): 2.  复制并引用该论文