| 基于X射线荧光光谱与多特征串联策略的土壤重金属含量预测 |
| |
| 引用本文： | 任顺,张雄,任东,杨信廷,张力.基于X射线荧光光谱与多特征串联策略的土壤重金属含量预测[J].分析测试学报,2020,39(7):829-837. |
| |
| 作者姓名： | 任顺 张雄 任东 杨信廷 张力 |
| |
| 作者单位： | 1.三峡大学计算机与信息学院；2.三峡大学湖北省农田环境监测工程技术研究中心；3.农产品质量安全追溯技术及应用国家工程实验室 |
| |
| 基金项目： | 国家重点研发开发项目(2016YFD0800902);湖北省重大技术创新项目(2017ABA157);农产品质量安全追溯技术及应用国家工程实验室开放基金(GF-NAZS-2019002);湖北省农田环境监测工程技术研究中心开放基金(201603) |
| |
| 摘 要： | 针对土壤重金属快速检测需求,基于模型集群分析方法进行特征波长变量选择,提出了利用X射线荧光光谱技术检测农田土壤中重金属含量的方法。采集91个配制土壤样品的X射线荧光光谱值,用于构建土壤重金属检测模型。通过多特征串联方法提取特征波长变量,首先采用区间组合优化算法(ICO)粗选波长,然后采用竞争适应性重加权采样法(CARS)剔除区间波长中的无关变量,最后采用连续投影算法(SPA)进行波长精简。通过多特征串联ICO-CARS-SPA算法对X射线荧光光谱进行特征变量选择,得到5组(26、25、29、39、33)特征波长点,据此建立Cu、Zn、As、Pb、Cr 5种土壤重金属含量偏最小二乘(PLS)检测模型,并与其他传统特征波长选择方法进行了对比。结果表明,ICO-CARS-SPA算法所选变量结合偏最小二乘(PLS)的建模效果最优,Cu、Zn、As、Pb、Cr的验证集决定系数分别为0.993 3、0.992 6、0.995 6、0.993 2和0.988 6,均方根误差分别为6.938 5、23.698 4、3.632 6、8.510 6和14.764 5,验证集平均相对偏差分别为0.255 1、0.065 0、0.102 5、0.241 4、0.104 7。基于X射线荧光光谱结合多特征串联策略的ICO-CARS-SPA算法可剔除更多无效波长,提升有效信息贡献度,简化了检测模型复杂度,为土壤重金属含量预测模型选取合适的特征波段提取方法提供了理论支撑。
|
| 关 键 词： | X射线荧光光谱(XRF) 土壤重金属 波长优选 模型集群分析 |
Prediction of Heavy Metal Contents in Soil Based on X-ray Fluorescence Spectroscopy with Multi-feature Series Strategy |
| |
| REN Shun,ZHANG Xiong,REN Dong,YANG Xin-ting,ZHANG Li.Prediction of Heavy Metal Contents in Soil Based on X-ray Fluorescence Spectroscopy with Multi-feature Series Strategy[J].Journal of Instrumental Analysis,2020,39(7):829-837. |
| |
| Authors: | REN Shun ZHANG Xiong REN Dong YANG Xin-ting ZHANG Li |
| |
| Institution: | 1.College of Computer and Information Technology,China Three Gorges University;2.Hubei Engineering Technology Research Center for Farmland Environmental Monitoring,China Three Gorges University;3.National Engineering Laboratory for Agri-Product Quality Traceability |
| |
| Abstract: | |
| |
| Keywords: | X-ray fluorescence(XRF) soil heavy metals wavelength optimization model population analysis |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《分析测试学报》浏览原始摘要信息 |
| 点击此处可从《分析测试学报》下载免费的PDF全文 |
|
