10.13228/j.boyuan.issn1000-7571.010504
基于神经网络集成-X射线荧光光谱法的铁矿石中全铁含量测定
为了探索人工智能在铁矿石品质快速检验中的应用,研究了机器学习算法与化学计量学和X射线荧光光谱仪(XRF)相结合快速测定铁矿石中全铁含量的方法.收集来自于不同产地的,主要物相为赤铁矿、褐铁矿、磁铁矿、针铁矿和多物相混和结构的铁矿石样品共1098个作为样本集.采用X射线荧光光谱仪对铁矿石样品熔片进行扫描,扫描后的光谱图提取数据点后作为神经网络的输入,以全铁含量作为输出结果.然后依据X射线衍射(XRD)得到的物相结构优化自组织(SOM)网络,并对全部样本的XRF图谱进行分类,对分类后的每一个子集分别采用反向传播(BP)和径向基函数(RBF)网络建立回归子模型,对各子模型的预测结果进行整合,最终建立基于集成神经网络和X射线荧光光谱法的铁矿石中全铁含量预测模型.方法 模型建立后,不需要额外标准物质建立校准曲线,能够实现对未知样品的分类和输出全铁含量结果.
铁矿石、X射线荧光光谱法、X射线衍射、反向传播(BP)神经网络、径向基函数(RBF)神经网络、集成神经网络
39
O657.34;TF03+1(分析化学)
河北省科技条件建设项目12966912D;河北省科技计划项目13273707;河北省唐山市科技计划项目14130238B
2019-04-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
35-41