基于支持向量机回归的水体重金属激光诱导击穿光谱定量分析研究
Quantitative Analysis of Laser-Induced Breakdown Spectroscopy of Heavy Metals in Water Based on Support-Vector-Machine Regression
查看参考文献15篇
|
文摘
|
建立了基于自适应核的激光诱导击穿光谱支持向量机回归定量分析模型。通过石墨富集、洛伦兹拟合和碳内标归一化,增强等离子体信号强度,减小环境噪声和能量抖动对水体重金属浓度测量的影响。实现了基于支持向量机回归智能算法的激光诱导击穿光谱定量分析。铅铜的平均相对标准偏差分别为6.4361%和6.9291%,最大相对标准偏差分别为9.1009%和8.9280%,平均相对误差分别为1.6765%和1.2478 %,最大相对误差分别为5.5759%和4.2604%,相关系数分别为0.9979和0.9997。该研究为进一步实现水中痕量金属元素的快速定量分析提供了方法和数据参考。 |
|
其他语种文摘
|
The quantitative analysis model of laser-induced breakdown spectroscopy with adaptive kernel is established. Effect of ambient noise and energy jitter in measured density of heavy metals is gradually removed by Lorentz fitting and carbon normalization, and the intensity of plasmas is enhanced by graphite enrichment. Quantitative analysis of laser-induced breakdown spectroscopy based on regression intelligent algorithm of support vector machine is achieved. The average relative standard deviations of lead and copper are 6.4361% and 6.9291%, and the maximum standard deviations are 9.1009% and 8.9280%.The average relative errors of lead and copper are 1.6765% and 1.2478 %, and the maximum relative errors are 5.5759% and 4.2604%. The correlation coefficients of lead and copper are 0.9979 and 0.9997. Methods and reference data are provided for the further study of fast measurement of trace heavy metals in water by laser-induced breakdown spectroscopy. |
|
来源
|
光学学报
,2013,33(3):0330002-1-0330002-6 【核心库】
|
|
关键词
|
光谱学
;
激光诱导击穿光谱
;
支持向量机回归
;
重金属
;
石墨
|
|
地址
|
中国科学院安徽光学精密机械研究所, 中国科学院环境光学与技术重点实验室, 安徽, 合肥, 230031
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
0253-2239 |
|
学科
|
化学 |
|
基金
|
国家自然科学基金
;
国家重大科技专项
|
|
文献收藏号
|
CSCD:4801039
|
参考文献 共
15
共1页
|
|
1.
修俊山. 以滤纸为基质利用LIBS定量分析水溶液中铅元素.
中国激光,2011,38(8):0815003
|
CSCD被引
19
次
|
|
|
|
|
2.
董美蓉. 基于多元定标法的煤粉碳元素LIBS定量分析.
工程热物理学报,2012,33(1):175-179
|
CSCD被引
21
次
|
|
|
|
|
3.
Wang Zhe. A multivariate model based on dominant factor for laser-induced breakdown spectroscopy measurements.
J. Anal. At. Spectrom,2011,26(11):2289-2299
|
CSCD被引
46
次
|
|
|
|
|
4.
Zhe Wang. A non-linearized PLS model based on multivariate dominant factor for laser-induced breakdown spectroscopy measurements.
J. Anal. At. Spectrom,2011,26(11):2175-2182
|
CSCD被引
1
次
|
|
|
|
|
5.
沈沁梅. 激光诱导击穿光谱结合神经网络测定土壤中的Cr和Ba.
光子学报,2010,39(12):2134-2138
|
CSCD被引
17
次
|
|
|
|
|
6.
杜振辉. 激光诱导击穿光谱定量分析中的分析线自动选择方法.
光谱学与光谱分析,2012,32(4):876-880
|
CSCD被引
5
次
|
|
|
|
|
7.
徐红敏. 支持向量机回归算法及其应用.
北京石油化工学院学报,2010,18(1):62-66
|
CSCD被引
14
次
|
|
|
|
|
8.
陈果. 小样本数据的支持向量机回归模型参数及预测区间研究.
计量学报,2008,29(1):92-96
|
CSCD被引
32
次
|
|
|
|
|
9.
刘小飞. 融合先验知识的支持向量机回归方法.
信息化研究,2011,37(1):46-48
|
CSCD被引
3
次
|
|
|
|
|
10.
张相胜. 多尺度最小二乘小波支持向量机的回归建模.
计算机工程,2012,38(10):175-181
|
CSCD被引
3
次
|
|
|
|
|
11.
侯振雨. 独立成分分析-支持向量机回归模型及其在近红外光谱分析中的应用.
河南师范大学学报(自然科学版),2006,34(2):75-78
|
CSCD被引
5
次
|
|
|
|
|
12.
张翔. 基于支持向量机回归的去噪方法及其应用.
工程地球物理学报,2005,2(3):191-194
|
CSCD被引
5
次
|
|
|
|
|
13.
郭水霞. 基于支持向量机回归模型的海量数据预测.
计算机工程与应用,2007,43(5):12-14
|
CSCD被引
6
次
|
|
|
|
|
14.
郑严. 基于支持向量机回归的结构可靠性分析.
机械科学与技术,2011,30(1):52-56
|
CSCD被引
10
次
|
|
|
|
|
15.
赵芳. 水中痕量重金属激光诱导击穿光谱高灵敏检测.
环境科学与技术,2010,33(3):137-140
|
CSCD被引
13
次
|
|
|
|
|
了解气象卫星更多信息，请访问