基于XRF和Vis-NIR光谱数据融合的土壤镉含量定量分析法

根据鄱阳湖南矶山区域土壤的X荧光光谱和可见近红外光谱特征,建立了3种数据融合(等权融合、累加融合、外积融合)的最小二乘向量机定量分析模型。结果表明,等权融合和外积融合模型精度和稳定性均优于单一光谱定量分析模型。其中外积融合模型性能最佳,其决定系数(R2)为0.85,校正均方根误差(RMSEC)为009,预测均方根误差(RMSEP)为006,相对分析误差(RPD)为2.41,满足实际土壤中Cd的检测需求。该方法准确可靠,可为我国土壤重金属分类分级方法研究提供参考。     

非对称加权惩罚最小二乘算法校正X射线荧光法定量精铜痕量银元素模型

针对精铜中痕量银元素定量时特征X射线存在背景干扰的问题,采用非对称加权惩罚最小二乘算法(arPLS)对X射线荧光光谱进行基线校正,建立精铜中痕量银元素定量检测模型。通过改变算法平滑参数(λ)和收敛条件(ratio),研究痕量元素X射线光谱基线随参数变化规律,对60组光谱数据采用调整参数并图像监控的方式估计基线。所建立的定量模型不确定度系数R²=0.9862,均方根误差(RMSE)为0.0040 wt%。与不经背景校正算法相比,定量模型R²提高了0.0211,RMSE降低了0.0023 wt%,预测值和参考值平均相对误差缩减了2倍,预测不确定度由0.0028 wt%降低为0.0025 wt%。所建立的定量模型可应用于冶金在线检测、金属回收、合金强化等领域。     

X射线荧光光谱结合CARS变量筛选选择方法用于土壤中铅砷含量的测定

X射线荧光光谱分析作为一种以化学计量学为基础的定量分析技术,所建立模型优劣对结果的预测准确性显得十分重要.竞争性自适应重加权算法(CARS)采用自适应重加权采样技术,利用交互验证选出互验证均方根误差(RMSECV)值最低原则,寻出最优变量组合.为了进一步提高PLS模型的解释和预测能力,将竞争性自适应重加权算法(CARS...