为实现地质样品中元素含量的准确预测, 提出了基于主成分分析(PCA)的改进型BP神经网络模型。 采用X荧光光谱法, 对新疆西天山地质样品中Fe, Ti, V, Pb和Zn等元素进行测量, 将得到的X荧光计数作为输入变量, 应用该模型对未知地质样品中Fe和Ti元素进行定量预测。 结果表明: 主成分分析与改进型BP神经网络模型取得了较好的预测效果, 预测结果与化学分析值的相对误差小于3%, 为地质样品元素含量预测提供了一种新型有效的方法。
能量色散X荧光(EDXRF) 主成分分析(PCA) 主成分-误差反向传播网络(PCA-BP) 地质样品 Energy disperse X-ray fluorescence measurement (ED Principal component analysis Principal component analysis-BP neural network Geological samples 光谱学与光谱分析
2013, 33(5): 1392