X射线荧光光谱结合判别分析识别铁矿石产地及品牌:应用拓展

作者：刘曙; 张博; 闵红; 安雅睿^*; 朱志秀; 李晨^*

来源：光谱学与光谱分析, 2021, 41(01): 285-291.

• 铁矿石
• X射线荧光光谱
• 缺失值
• 异常值
• 判别分析

铁矿石是钢铁工业的重要原材料,我国是铁矿石进口需求型国家,是世界铁矿石消费第一大国。海关对进口铁矿石检验的主要目标是预防进口铁矿石中涉及安全、卫生、环保、欺诈等方面的风险。对进口铁矿石产地及品牌进行符合性验证,可以快速筛选掺杂、掺假、以次充好,支撑进口铁矿石的风险管理,保障贸易便利化。在前期研究基础上进行应用拓展,研究对象为澳大利亚、南非、巴西、哈萨克斯坦、印度5个国家、 21个品牌的422份进口铁矿石样品。考察了波长色散-X射线荧光光谱无标样分析方法的准确度,对于测量过程中未检出的元素含量,选择了用检测限替代缺失值。对于测量过程中的异常值,使用基于剩余方差的F检验进行异常值的剔除,皮尔巴拉混合块、纽曼混合块铁矿、纽曼混合粉铁矿各有一组数据计算得出的F统计量大于F检验临界值(a=0.01),因此将这3组数据剔除。采用逐步判别法筛选出Fe, O, Si, Ca, Al, Mn, Ti, Mg, P, Na, Cr, K, Sr, S, Zn, V, Cu, Ba, Ni, Mo, Pb共21个元素的含量作为产地识别模型的特征变量,建立四维Fisher判别模型,实现了对铁矿石产地的识别;采用逐步判别法筛选出Fe, O, Si, Ca, Al, Mn, Ti, Mg, P, Na, Cr, K, Sr, S, Zr, Zn, V, Cu, Ba, Cl, Ni, Mo和Pb共23种元素含量作为品牌识别模型的特征变量,建立二十维Fisher判别模型,实现对21种品牌铁矿石的识别。考察了特征元素对分类识别模型的贡献,并分析了误判品牌铁矿石的元素特征。总结出进口铁矿石产地及品牌判别分析模型的整体数据处理流程。

• 单位
  上海理工大学