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

• 作者: 徐志彬 李颖娜
• 来源期刊: 冶金分析
• 学科: 化学
• 关键词: 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
• 年，卷（期）: 2019,（1）
• 页码范围: 35-41
• 页数: 7页
• 分类号: O657.34|TF03+1
• 字数: 4423字
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn1000-7571.010504

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐志彬	河北出入境检验检疫局检验检疫技术中心	23	65	4.0	6.0
2	李颖娜	唐山学院环境与化学工程系	27	99	6.0	9.0