1 上海海关工业品与原材料检测技术中心, 上海 200135
2 上海海关工业品与原材料检测技术中心, 上海 200135上海理工大学材料与化学学院, 上海 200093
3 上海理工大学材料与化学学院, 上海 200093
快速准确测定铁矿石中的硅、 铝、 钙、 镁含量对铁矿石质量评价具有重要作用。 受制于多变量分析方法过拟合现象以及不同种类样品基体效应, 使用激光诱导击穿光谱（LIBS）准确测定铁矿石中硅、 铝、 钙、 镁含量仍然是当前存在的挑战。 采用变量重要性-反向传播人工神经网络（VI-BP-ANN）辅助LIBS定量分析铁矿石中硅（以SiO2计）、 铝（以Al2O3计）、 钙（以CaO计）和镁（以MgO计）的含量。 在这项研究中, 收集了12种244批铁矿石代表性样品的LIBS光谱, 优化了光谱预处理方法, 使用随机森林（RF）对LIBS光谱特征的重要性进行了测量, 使用袋外(OOB)误差优化RF模型参数, 变量重要性阈值用于优化BP-ANN校准模型的输入变量。 变量重要性阈值和神经元数量通过五折交叉验证（5-CV）的测定系数（R2）和均方根误差（RMSE）进行优化。 结果显示测试样本SiO2、 Al2O3、 CaO和MgO含量预测均方根误差（RMSEP）分别为0.377 2 wt%、 0.133 9 wt%、 0.059 2 wt%和0.141 1 wt%, R2分别为0.970 1、 0.955 4、 0.987 1、 0.997 5。 相比于使用相同的预处理方法作为PLS、 SVM、 RF和BP-ANN四种模型的输入, VI-BP-ANN在校准集和预测集都显示出出色的预测能力。 结果表明LIBS与VI-BP-ANN的结合有潜力在实际应用中实现铁矿石硅、 铝、 钙、 镁含量的快速准确预测。
铁矿石 反向传播人工神经网络 变量重要性 定量分析 激光诱导击穿光谱 Iron ore Back propagation artificial neural network Variable importance Quantitative analysis Laser-induced breakdown spectroscopy 光谱学与光谱分析
2023, 43(10): 3132
1 西安石油大学化学化工学院, 陕西 西安 710065
2 合成与天然功能分子教育部重点实验室, 西北大学化学与材料科学学院, 陕西 西安 710127
甲醇汽油是一种用以替代传统汽油的新型燃料, 其品质受到甲醇含量的严重影响。 因此, 甲醇汽油中甲醇含量的快速分析对其品质把控具有深远意义。 基于拉曼光谱(Raman)结合偏最小二乘(PLS)建立了一种甲醇汽油中甲醇含量快速定量分析方法。 采用激光拉曼光谱仪对49组甲醇汽油样品的Raman光谱进行采集, 并进行光谱解析。 比较了五种光谱预处理方法对甲醇汽油原始Raman光谱的预处理效果, 并采用变量重要性投影(VIP)对小波变换(WT)预处理后的甲醇汽油Raman光谱数据进行了特征变量提取。 其次, 采用五折交叉验证(5-flod cross-validation (CV))对PLS校正模型的潜变量数目(LVs)及VIP阈值进行优化。 在最优输入变量和模型参数下, 分别构建了基于不同输入变量的PLS模型。 研究表明, 相较于原始光谱-偏最小二乘模型(RAW-PLS)和小波变换-偏最小二乘模型(WT-PLS), 变量重要性投影-偏最小二乘模型(VIP-PLS)可以获得更好的分析性能, 其预测集决定系数(Rp2)为0.960 4, 均方根误差(RMSEP)为0.0341。 因此, Raman光谱结合PLS是一种快速准确的甲醇汽油中甲醇含量分析方法。
甲醇汽油 拉曼光谱 变量重要性投影 偏最小二乘 Methanol gasoline Raman spectrum Variable importance in projection Partial least squares 光谱学与光谱分析
2021, 41(7): 2099
