基于FOA-LSSVM混合优化模型钛铁间基体效应的校正-物理化学学报.PDF

第 36 卷 第 12 期 核 技 术 Vol. 36, No.12 2013 年 12 月 NUCLEAR TECHNIQUES December 2013 基于FOA-LSSVM 混合优化模型钛铁间 基体效应的校正研究 李 磊 1,2 庹先国 1,3 刘明哲 1,2 李 哲 1,2 王 俊 1,2 1 （成都理工大学地学核技术四川省重点实验室 成都 610059 ） 2 （成都理工大学地质灾害防治与地质环境保护国家重点实验室 成都 610059 ） 3 （西南科技大学核废物与环境安全国防重点学科实验室 绵阳 621010 ） 摘要 提出用果蝇算法(FOA)优化最小二乘支持向量机(LSSVM)的混合模型校正能量色散 X 荧光(EDXRF)分 析中铁和钛的基体效应。使用国产 CIT-3000SMEDXRF 分析仪、电制冷半导体探测器测得五类矿样共 80 组光 谱数据，每类矿样 16 组光谱数据。运用 FOA 优化 LSSVM 的参数并建立最优模型预测 30 个样本的钛铁含量， 对比化学分析值，FOA-LSSVM 预测的钛、铁元素含量与化学分析值的相对误差在 1%以内的共 26 个样本， 占总量的86.67%；其余4 个样本的钛铁含量预测值与化学分析值一致，占总量的 13.33%。另外，运用粒子群 算法(PSO)、遗传算法(GA)优化的 LSSVM 和MATLAB 默认的LSSVM 模型预测钛铁含量，将其与 FOA-LSSVM 模型预测的结果进行了对比。综合研究表明，FOA-LSSVM 能够实现钛铁元素间基体效应的校正，是一种优 选方法。 关键词 果蝇算法，基体效应，能量色散 X 射线荧光，最小二乘支持向量机 + 中图分类号 TL271 .7 DOI: 10.11889/j.0253-3219.2013.hjs.36.120202 用能量色散 X 射线荧光(Energy dispersive 年来，随着神经网络技术的发展，有学者运用 RBF [2] X-ray fluorescence analysis ，EDXRF)法分析试样， 神经网络技术校正基体效应，取得了不错的效果 ； 样品基体的变化使待测元素含量与该元素的特征 X 另有学者运用粒子群算法和支持向量机的混合模型 射线计数之间呈现一种复杂的关系(基体效应)[1]，影 对元素的含量进行了预测研究，得到较高的精度[4] 。 响含量定量计算的准确度。对于钛铁矿样，基体效 果蝇算法(Fruit Fly Optimization Algorithm, 应主要表现为吸收-增强效应，元素的少量变化就会 FOA)[5]是台湾学者潘文超基于果蝇觅食行为而推 引起特征X 射线计数率的显著变化[2]，是误差的主 演出的寻求全局优化的新方法，具有简单、快速、 要来源之一，且客观存在。因此，准确测量钛铁元 易实现、并行搜寻、强劲的全局寻优能力等特点。作 素含量就必须进行吸收-增强效应校正。 为一种新的智能算法，到目前为止，其应用还很少， 元素间的吸收-增强效应与元素组成相关，校正 结合支持向量机的应用更少，还没有用于基体效应 难度大。传统的校正方法有实验校正法、参比校正 的校正。因此，文中提出了用果蝇算法优化最小二 法、数学校正法。除基本参数法外，这三类方法的