基于PCABP神经网络的EDXRF分析测定地质样品中铁、钛元素含量的应用研究.pdfVIP

第33卷，第5期 光谱学与光谱分析 2 01 3年5月 and SpectroscopySpectralAnalysis May，2013 基于PCA-BP神经网络的EDXRF分析测定地质样品中 铁、钛元素含量的应用研究 徐立鹏，葛良全+，谷 懿，刘 敏，张庆贤，李 飞，罗 斌 成都理工大学，四川成都610059 摘要为实现地质样品中元素含量的准确预测，提出了基于主成分分析(PCA)的改进型BP神经网络模 型。采用x荧光光谱法，对新疆西天山地质样品中Fe，“，V，Pb和zn等元素进行测量，将得到的x荧光 计数作为输入变量，应用该模型对未知地质样品中Fe和Ti元素进行定量预测。结果表明：主成分分析与改 进型BP神经网络模型取得了较好的预测效果，预测结果与化学分析值的相对误差小于3％，为地质样品元 素含量预测提供了一种新型有效的方法。 中图分类号：0657．3文献标识码：A 采用粉末压样片法制样，首先将地质样品放在105～110℃ 引 言 的温度下烘干2h，降低湿度效应的影响，再经粉碎、研磨达 到200目以上，减小不均匀效应的影响[2|，最后将样品装入 S。 应用能量色散X射线荧光(EDXRF)光谱分析地质样品样杯后压片测量，每个样品测量时间400 中的元素时，由于放射性统计涨落、吸收一增强效应以及仪器 本身等诸多因素的影响，对基体比较复杂的地质样品中各元 2原理与方法 素含量的准确定量测量难度较大。EDXRF分析得到的待测 元素X射线计数与元素含量之间具有非线性关系【1]，而采用 对EDXRF测量得到的目标元素特征x射线计数，通过 纯数学理论、基体效应校正及经验系数法进行分析均存在较 主成分分析对高维(输入变最)数据进行预处理，得到低维主 大的局限性[z]，很难捕捉到待测元素与其他元素之间的关系 元变量，再利用改进型BP神经网络模型建立新的输入变量 以及建立理想的模型，更不能给出地质样品中元素含量的预 和元素含量之间的非线性关系，从而实现对地质样品元素含 量的定量分析预测。 测值。基于x荧光光谱分析的特点，结合PCA-BP神经网络 2．1 PCA-BP神经网络模型 模型的特性，对新疆西天山地质样品中具有吸收一增强效应 PCA-BP神经网络模型是主成分分析和误差反向传播网 的Fe和Ti元素含量进行预测，为地质样品元素含量的分析 络相结合的一种数据融合模型[3](图1)，是对可测高维数据 预测提供了一种有效的方法。 (输入变量)降维得到主成分，在无需事前揭示描述映射关系 数学方程的情况下，利用改进型BP神经网络，以任意精度 1实验部分 逼近任何非线性连续函数及解释输入变量和输出量之间的非 线性关系。 采用的IED-2000T型手持式能量色散X荧光分析仪， 2．2主成分分析 由探头、主机、电源等部分构成。x光管激发、新型致冷