变量重要性-反向传播人工神经网络辅助激光诱导击穿光谱测定铁矿石中硅、铝、钙和镁含量

作者：刘曙; 金悦; 苏飘; 闵红; 安雅睿; 吴晓红^*

来源：光谱学与光谱分析, 2023, 43(10): 3132-3142.

• 铁矿石
• 反向传播人工神经网络
• 变量重要性
• 定量分析
• 激光诱导击穿光谱

快速准确测定铁矿石中的硅、铝、钙、镁含量对铁矿石质量评价具有重要作用。受制于多变量分析方法过拟合现象以及不同种类样品基体效应，使用激光诱导击穿光谱(LIBS)准确测定铁矿石中硅、铝、钙、镁含量仍然是当前存在的挑战。采用变量重要性-反向传播人工神经网络(VI-BP-ANN)辅助LIBS定量分析铁矿石中硅(以SiO2计)、铝(以Al2O3计)、钙(以CaO计)和镁(以MgO计)的含量。在这项研究中，收集了12种244批铁矿石代表性样品的LIBS光谱，优化了光谱预处理方法，使用随机森林(RF)对LIBS光谱特征的重要性进行了测量，使用袋外(OOB)误差优化RF模型参数，变量重要性阈值用于优化BP-ANN校准模型的输入变量。变量重要性阈值和神经元数量通过五折交叉验证(5-CV)的测定系数(R2)和均方根误差(RMSE)进行优化。结果显示测试样本SiO2、 Al2O3、 CaO和MgO含量预测均方根误差(RMSEP)分别为0.377 2 wt%、 0.133 9 wt%、 0.059 2 wt%和0.141 1 wt%,R2分别为0.970 1、 0.955 4、 0.987 1、 0.997 5。相比于使用相同的预处理方法作为PLS、 SVM、 RF和BP-ANN四种模型的输入，VI-BP-ANN在校准集和预测集都显示出出色的预测能力。结果表明LIBS与VI-BP-ANN的结合有潜力在实际应用中实现铁矿石硅、铝、钙、镁含量的快速准确预测。

• 单位
  上海理工大学