-
题名基于广义线性模型的激光诱导击穿光谱铜含量检测
- 1
-
-
作者
何静
刘泉澄
熊中刚
陈林宇
-
机构
绵阳师范学院信息工程学院
物联网安全四川省高校重点实验室
西南科技大学信息工程学院
桂林航天工业学院机电工程学院
-
出处
《红外与激光工程》
北大核心
2025年第2期48-57,共10页
-
基金
国家自然科学基金项目(62241304,22305198)
四川省基础教育研究专项(MSJJ24-A03)
+1 种基金
绵阳师范学院博士科研启动基金项目(QD2023A20)
绵阳师范学院创新团队项目(CXTD2023PY03)。
-
文摘
在众多激光诱导击穿光谱(Laser-induced Breakdown Spectroscopy,LIBS)分析方法中,主成分分析(Principal Component Analysis,PCA)和偏最小二乘回归(Partial Least Squares Regression,PLSR)是对原始光谱进行线性特征变换来降低光谱冗余信息,但是上述两种方法无法确定哪些谱线属于冗余谱线,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Elastic Net等3种广义线性模型(Generalized Linear Models,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Elastic Net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Elastic Net的测试集均方误差(Mean Square 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Elastic Net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Elastic Net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
弹性网络
套索回归
岭回归
-
Keywords
laser-induced breakdown spectroscopy
quantitative analysis
generalized linear model
Elastic Net
Lasso regression
Ridge regression
-
分类号
O43
[机械工程—光学工程]
-
