基于惩罚最小二乘算法的土壤重金属检测光谱基线校正

Transactions of the Chinese Society for Agricultural Machinery(2021)

引用 0|浏览6
暂无评分
摘要
针对X射线荧光光谱分析技术在检测土壤重金属过程中由于土壤背景复杂、包含大量噪声和干扰信息而易受基体效应影响的问题,为了提高定量分析模型的精度,利用惩罚最小二乘算法拟合基线与真实基线之间的保真度和平滑度,对X射线荧光光谱进行基线校正,从而减小基线漂移的影响.选用无基线扣除、非对称最小二乘(ASLS)、自适应迭代重加权惩罚最小二乘(AIRPLS)、非对称重加权惩罚最小二乘( ARPLS)、局部对称重加权惩罚最小二乘(LSRPLS)和多约束重加权惩罚最小二乘(DRPLS) 等6种处理方法对土壤重金属元素铅和砷的测量光谱进行基线校正;结合偏最小二乘(PLS)算法建立相应的校正模型,以选择最优基线校正算法;与神经网络( BP)和支持向量机(SVR)建立的校正模型进行比较,对模型进行评价.结果显示,铅元素的最佳模型为DRPLS-PLS,模型的R2达到0. 982,预测均方根误差(RMSEP)为0. 056 mg/kg;砷元素的最佳模型为DRPLS-PLS模型,模型的R2达到0. 985,RMSEP为0. 796 mg/kg.与PLS和BP模型相比,铅、砷两种元素的SVR模型建模均最优,模型的R2分别达到0. 998和0. 993,RMSEP分别为0. 015、0. 596 mg/kg.实验表明,通过基线校正后模型的预测精度、检出限和稳定性均有所提高,该方法可有效提高X射线荧光光谱在土壤中的定量分析能力.
更多
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要