X射线荧光光谱结合BP神经网络识别进口铜精矿产地

• 作者: 刘倩 刘曙 朱志秀 李晨 秦晔琼 邢彦军 闵红
• 来源期刊: 光谱学与光谱分析
• 学科: 化学
• 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
• 年，卷（期）: 2020,（9）
• 页码范围: 2884-2890
• 页数: 7页
• 分类号: O657.3
• 字数: 7300字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2020)09-2884-07

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘倩	东华大学化学化工与生物工程学院生态纺织教育部重点实验室	10	9	2.0	2.0
3	闵红		3	0	0.0	0.0
4	刘曙		5	0	0.0	0.0
5	朱志秀		3	0	0.0	0.0
8	秦晔琼		1	0	0.0	0.0
9	李晨		1	0	0.0	0.0