PSO-LSSVM对LIBS定量分析精度的提高

摘要：

针对土壤定量分析受基体效应影响大,LIBS定量分析精度不佳等问题,采用粒子群算法对LSS-VM进行优化,提高模型的精确度.选取PbⅠ405.78 nm和CrⅠ425.44 nm作为分析谱线进行分析.采集十二个不同浓度样品的特征光谱,每个浓度样品在不同点采集20组数据,将其中17组数据设为训练集,3组数据设为预测集,用LSSVM和PSO-LSSVM两种方法建立定标模型.对比两种模型的拟合相关系数(R2)、训练集均方根误差(RMSEC)和预测集均方根误差(RMSEP).由于自吸收效应的影响,随着浓度的增加,预测值逐渐低于实际值,LSSVM定标模型的拟合程度较低,无法达到实验要求,模型性能有待提高.利用粒子群算法对LSSVM的模型参数惩罚系数和核函数参数进行优化,得到最佳的参数组合,Pb元素为(8096.8,138.8657),Cr元素为(4908.6,393.5635),用最佳的参数组合构建LSSVM的定标模型.相比于LSSVM,PSO-LSSVM定标模型的精确度更高,Pb和Cr元素的R2提高到了0.9828和0.9850,拟合效果明显提升.Pb和Cr元素的训练集均方根误差由0.0260 Wt％ 和0.0272 Wt％ 下降到0.0224 Wt％ 和0.0191 W t％,预测集均方根误差由0.1018 W t％ 和0.0788 W t％ 下降到0.0458 W t％ 和0.0420 W t％,模型的稳定性进一步提高.说明PSO-LSSVM算法能够更好地降低土壤基体效应和自吸收效应带来的影响,提高分析结果的精确度与稳定性.

关键词：激光诱导等离子体技术;粒子群优化;最小二乘支持向量机;定量分析

所属期刊栏目：41

分类号：O433.4(光学)

资助基金：国家重大科学仪器开发专项;吉林省科技厅项目;吉林省发展改革委项目

在线出版日期：2021-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3583-3587