礦石分類(lèi)與實(shí)時(shí)定量分析的光譜檢測新方法

權利要求 1.基于激光誘導擊穿光譜對礦石分類(lèi)與實(shí)時(shí)定量分析的檢測新方法，其特征在于：包括如下步驟： 步驟1：用15Mpa的機械粉末壓餅機將礦石樣品壓制成厚2mm、直徑為13mm的小圓餅。獲取同一類(lèi)樣品不同位置被激光激發(fā)后等離子體的光譜數據，每個(gè)位置重復測量5次，每種樣品采集100組光譜數據。對同一樣品分別重復測試N組，平均樣品元素分布不均勻的影響，進(jìn)而獲取每個(gè)樣品中元素成分的真實(shí)含量； 步驟2：利用拉依達準則對各個(gè)樣品的異常光譜數據進(jìn)行剔除，拉依達準則一般假設數據具有征態(tài)分布，計算數據的標準偏差并根據要求劃定概率區間，最后對超出概率區間的粗大誤差進(jìn)行剔除、對峰位漂移修正和缺失峰補全。 異常光譜剔除算法實(shí)現： (1)采集到的LIBS光譜用Xij表示，Xij指編號為i的樣品第j個(gè)樣本點(diǎn)的光譜數據，將每個(gè)通道光譜強度求和，各通道總光強中位數對應的光譜作為該樣本中心點(diǎn) (2)求出每一個(gè)樣本點(diǎn)離中心點(diǎn)的距離(即歐式距離之后將其歸一化(0-1)； (3)計算剩余誤差并按貝塞爾公式算出標準偏差σ，若某個(gè)測量值Dj的剩余誤差vj滿(mǎn)足則認為是含有粗大誤差值的壞值，應予剔除。 步驟3：采用主成分分析結合支持向量機的分類(lèi)方法。利用支持向量機對模型分類(lèi)，將預處理后的全部光譜數據采用主成分分析法降維，在降維之后，隨機選擇了訓練集和預測集，提取訓練集的前10個(gè)主成分構造特征空間，在特征空間下采用小樣本的5-折交叉驗證來(lái)對訓練集訓練，然后對建模集和預測集進(jìn)行分類(lèi)正確率達到100％，可以對礦石進(jìn)行準確分類(lèi)。 步驟4：利用步驟(3)所述的方法進(jìn)行分類(lèi)后，對光譜數據進(jìn)行相關(guān)性變量篩選偏最小二乘回歸法(R-PLS)。將全部光譜強度作為輸入數據，Fe的含量作為回歸目標變量。模型的回歸效果、定標精度、預測精度、預測誤差分別用決定系數(R2)、校正集的均方根誤差(RMSEC)、預測集的均方根誤差(RMSEP)、平均相對誤差(ARE)來(lái)綜合衡量。 步驟5：對礦石分類(lèi)后在進(jìn)行R-PLS，最終得到待測物中Fe的含量，其正確率相比未分類(lèi)+PLS和分類(lèi)+PLS有了很大的提高。 2.根據權利要求1所述的方法，其特征在于：步驟2中從待測物質(zhì)的全部光譜數據中：首先對其進(jìn)行異常光譜數據的篩選與剔除降低譜線(xiàn)的波動(dòng)性，然后將光譜背景積分強度歸一化、