X射线荧光光谱结合BP神经网络识别进口铜精矿产地

摘要：

铜精矿是冶炼铜及其合金的基础工业原料,不同产地进口的铜精矿在元素组成、含量上存在着差异,进口铜精矿伪报、掺杂、有害元素超标案件多发,危害国家经济安全.因此建立入境铜精矿产地识别模型,将有助于风险分级,预警.该研究对象为智利、秘鲁、菲律宾、西班牙、纳米比亚、伊朗、马来西亚和阿尔巴尼亚8个国家进口铜精矿的280批次铜精矿样品.应用波长色散-X射线荧光光谱无标样分析法测定所有研究样品的元素组成及含量,结果表明铜精矿样品的检出元素共计53种.选择O,Mg,Al,Si,P,S,K,Ca,Ti,Fe,Cu,Zn,Mn,As,Mo,Ag和Pb共17种元素含量作为变量,建立进口铜精矿国别的BP神经网络预测模型.采用F-score筛选出O,Mg,Al,Si,P,S,K,Ca,Cu,Zn,Mo,Ag和Pb共13个元素的含量作为特征变量,分别建立进口铜精矿国别的Fisher判别分析预测模型和BP神经网络预测模型.3种预测模型的结果如下:采用F-sco re筛选变量的Fisher判别分析模型对建模样品的识别准确率为94.2％,交叉验证准确率为92.9％,对预测样品的识别准确率为96.7％;输入层为17与13个变量的BP神经网络的训练集,校正集,验证集,建模集以及预测样品的准确识别率分别为:100％,97.1％,94.1％,98.2％,100％ 与100％,97.1％,100％,99.6％,100％.比较3次建模的结果可知,经过F-score筛选变量后用BP神经网络所建模型的准确识别率最高,该方法不仅可以减少建模的输入变量还可以提高识别准确度.波长色散-X射线荧光光谱无标样分析虽是半定量分析方法,但具有分析速度快和稳定性好的优点,利用该方法结合F-score筛选变量用于BP神经网络模式识别可以实现对铜精矿的国别识别.

关键词：铜精矿、X射线荧光光谱、BP神经网络、判别分析、产地识别

所属期刊栏目：40

分类号：O657.3(分析化学)

资助基金：国家重点研发计划项目2018YFF0215400 ,2017YFF0108905

在线出版日期：2020-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2884-2890