结合灵敏度降维和支持向量机回归的土壤元素定量分析方法研究

作者：李福生; 曾小龙

来源：激光与光电子学进展, 2022, 1-15.

• X射线荧光光谱
• 土壤元素定量分析
• 贝叶斯优化
• 支持向量机回归
• 灵敏度分析

为提高土壤元素定量分析的精度,本文提出了一种灵敏度降维与贝叶斯优化支持向量机回归(BOA-SVR)技术相结合的方法来对土壤元素进行分析。首先，利用便携式X荧光分析仪测量得到X荧光光谱。然后，采用迭代离散小波变换对光谱进行本底扣除,计算各元素组分信息作为模型输入特征。为了获得一个更好的预测结果，本文通过灵敏度分析研究了不同的输入特征集合对预测精度的影响，并根据灵敏度分析结果实现特征降维。最后将样本分为训练集和测试集，通过均方根误差(RMSE)和决定系数(R2)来评价预测精度，基于Cu和As元素分别比较了全特征输入下的BOA-SVR模型、特征降维后的BOA-SVR模型、单参数偏最小二乘法(PLS)的预测结果。实验结果表明经过特征降维后的BOA-SVR模型在Cu和As的预测中都获得最好的性能，Cu元素在训练集和预测集的评价指标Rc2,RMSEC,Rp2,RMSEP分别为0.9970, 11.0334, 0.9918, 22.8803,As元素对应指标分别为0.9863, 1.1271, 0.9626,11.686。这表明XRF结合经过灵敏度分析降维的BOA-SVR方法是定量分析土壤元素的一种有效工具。

• 单位
  电子科技大学