基于广义线性模型的激光诱导击穿光谱铜含量检测.pdfVIP

第54卷第2期红外与激光二程2025年2月

Vol.54No.2InfraredandLaserEngineeringFeb.2025

基于广义线性模型的激光诱导击穿光谱铜含量检测

何静1-2，刘泉澄，熊中刚4，陈林宇1,2*

(1.绵阳师范学院信息工程学院，四川绵阳621000;

2.物联网安全四川省高校重点实验室，四川绵阳621000；

3.西南科技大学信息工程学院，四川绵阳621000；

4.桂林航天工业学院机电工程学院，广西桂林514004)

摘要：在众多激光诱导击穿光谱（Laser-inducedBreakdownSpectroscopy,LIBS）分析方法中，主成分

分析(PrincipalComponentAnalysis,PCA)和偏最小二乘回归(PartialLeastSquaresRegression,

PLSR是对原始光谱进行线性特征变换来降低光谱允余信息，但是上述两种方法无法确定哪些谱线属

于允余谱线，导致模型的物理解释性也较差。为深入了解原始谱线在降维-定量模型中的物理意义，采

用Lasso、Ridge和ElasticNet等3种广义线性模型（GeneralizedLinearModels，GLM)对天然铜矿/精

矿中的铜含量进行检测。首先对9种铜矿/精矿样本的光谱特性进行了简要分析，然后选定了11条原

子谱线和18条离子谱线用于预测建模，最后详细分析了ElasticNet模型中参数α对模型性能和有效

分析谱线数量的影响。定量结果表明，Lasso、Ridge和ElasticNet的测试集均方误差(MeanSquare

Error,MSE)分别为1.706、1.180和1.231,相对于PLSR而言，上述3种方法的MSE分别降低了7.4%、

33.2%和36.0%。在分析谱线数量方面，Ridge和ElasticNet模型中29条分析谱线均为有效分析谱

线，而Lasso中仅有21条有效分析谱线。显著性分析结果表明,Ridge和ElasticNet的整体性能优于

传统的PLSR,而LaSSo的模型性能与PLSR相当。

关键词：激光诱导击穿光谱；定量分析；广义线性模型；强

弹性网络；套索回归；岭回归

中图分类号：043文献标志码：AD0I:10.3788/IRL

引用格式:HEJing,LIUQuancheng,XIONGZhonggang,etal.Determinationofcoppercontentinraworesvialaser-

inducedbreakdownpywithgeneralizedlinearmodeandLaser4(2)

何静，刘泉澄，熊中义线性模型的激光诱导击穿光谱铜含量检测[]．红外与激光工程，2025,54(2):

0引言一些严峻挑战，包括光谱稳定性、检测灵敏度和准确

性、自吸收和基体效应影响。

激光诱导击穿光谱（Laser-inducedBreakdown

常见的LIBS定量分析方法主要分为以下三类：

Spectroscopy,LIBS)具有原位、实时、无接触、少样品1)内标元素法；2)自由标定法（Calibration-FreeLaser-

预处理和最小消耗等优点，适用于气、液、固等形态inducedBreakdownSpectroscopy,CF-LIBS);3)化学计

物质中化学元素的定性与定量分析,广泛应用于能量学方法。前两种方法均是