详情

原文传递随机森林辅助人工神经网络的LIBS定量分析方法

专利名称：	随机森林辅助人工神经网络的LIBS定量分析方法
摘要：	本发明涉及一种随机森林辅助人工神经网络的LIBS定量分析方法，具体为：1、使用LIBS对n个标准样品采集光谱数据；2、得到内标后的光谱变量；3、对光谱变量进行权重标定，得到平均权重值；4、以平均权重值作为选择光谱变量的标准，并利用标准样品中被分析元素的已知含量，对人工神经网络进行训练，获得人工神经网络分析模型和被分析元素的最优光谱变量集的构成规则；5、使用LIBS采集被测物的光谱，并得到内标后的光谱变量，按照最优光谱变量集的构成规则构建被测物的光谱变量集；6、将被测物的光谱变量集中的光谱变量作为输入值代入人工神经网络分析模型，输出被测物中被分析元素的含量。本发明具有较高的准确度。
专利类型：	发明专利
国家地区组织代码：	河南;41
申请人：	平顶山学院
发明人：	李阔湖;代克杰;赵志敏;杜豪杰;李鹏飞;袁书卿
专利状态：	有效
申请号：	CN201811078336.4
公开号：	CN109142251A
代理机构：	郑州市华翔专利代理事务所(普通合伙) 41122
代理人：	张海青;于建元
分类号：	G01N21/31(2006.01)I;G;G01;G01N;G01N21
申请人地址：	467000 河南省平顶山市新城区未来路南段
主权项：	1.一种随机森林辅助人工神经网络的LIBS定量分析方法，其特征是：第1步、光谱数据的采集：选用n个和被测物基体构成一致的标准样品，n个标准样品中被分析元素含量已知且各不相同，使用LIBS系统对n个标准样品采集光谱数据；n为大于1的自然数；第2步、对光谱数据进行内标处理：按照内标法的标准找到一种内标元素的m条谱线作为内标线，m为大于等于1的自然数；对于每个标准样品的每幅光谱进行如下操作：当m等于1时，用这一条内标线对所有光谱进行内标处理，即所有光谱的强度分别除以这一条内标线的强度，得到的比值作为内标后的光谱变量；当m大于1时，以相邻内标线的波长中点为界，把采集的光谱分成m个光谱区域；对每个光谱区域，用该光谱区域内的内标线对光谱进行内标处理，即该光谱区域的所有光谱的强度分别除以该光谱区域内的内标线的强度，得到的比值作为内标后的光谱变量；第3步、对所有光谱变量进行权重标定：用所有光谱变量作为输入量，以选定决策树棵数，逐步增加使用的特征变量数，建立随机森林回归模型，对标准样品进行去一交叉验证法分析，直至交叉验证的均方根误差最小；把每个光谱变量在所有特征变量数情况下取得的权重值求平均，得到每个光谱变量平均后的权重值，该平均后的权重值称为平均权重值；第4步、建立人工神经网络分析模型：以平均权重值作为选择光谱变量的标准，选取平均权重值大于设定值的光谱变量作为人工神经网络的输入值，并利用标准样品中被分析元素的已知含量，对人工神经网络进行训练，获得人工神经网络分析模型和被分析元素的最优光谱变量集的构成规则；第5步、使用LIBS系统采集被测物的光谱，对于被测物的每幅光谱进行如下操作：当m等于1时，用这一条内标线对所有光谱进行内标处理，即所有光谱的强度分别除以这一条内标线的强度，得到的比值作为内标后的光谱变量；当m大于1时，以相邻内标线的波长中点为界，把采集的光谱分成m个光谱区域；对每个光谱区域，用该光谱区域内的内标线对光谱进行内标处理，即该光谱区域的所有光谱的强度分别除以该光谱区域内的内标线的强度，得到的比值作为内标后的光谱变量；按照被分析元素的最优光谱变量集的构成规则构建被测物中被分析元素的光谱变量集；第6步、将被测物中被分析元素的光谱变量集中的光谱变量作为输入值代入训练好的人工神经网络分析模型，输出被测物中被分析元素的含量。
所属类别：	发明专利