复合肥中磷元素的激光诱导击穿光谱定量分析
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关键词：光谱学；支持向量机回归；激光诱导击穿光谱；磷元素；网格搜索法 中图分类号：Ｏ６５７．３ 文献标志码：Ａ ｄｏｉ：１０７５１０／ｊｇｊｓｉｓｓｎ１００１３８０６２０１９０５００３
Ｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓｏｆｐｈｏｓｐｈｏｒｕｓｉｎｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒ ｂｙｌａｓｅｒｉｎｄｕｃｅｄｂｒｅａｋｄｏｗｎｓｐｅｃｔｒｏｓｃｏｐｙ
Ｋｅｙｗｏｒｄｓ： ｓｐｅｃｔｒｏｓｃｏｐｙ；ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｒｅｇｒｅｓｓｉｏｎ；ｌａｓｅｒｉｎｄｕｃｅｄｂｒｅａｋｄｏｗｎｓｐｅｃｔｒｏｓｃｏｐｙ；ｐｈｏｓｐｈｏｒｕｓ；ｇｒｉｄ ｓｅａｒｃｈ
摘要：为了在复合肥生产中对其成分进行快速检测，达到指导生产的目的，采用激光诱导击穿光谱技术（ＬＩＢＳ）与支持向 量机（ＳＶＭ）方法结合对复合肥中磷（Ｐ）元素进行定量分析。实验中选取磷元素的 ＰⅠ２１３．５ｎｍ，ＰⅠ２１４．９ｎｍ和 ＰⅠ２１５．４ｎｍ３条 特征谱线对 ５８个复合肥样品进行分析。采用随机选择法将 ５８个样品划分为训练集（４３个样本）和测试集（１５个样本），用网格 搜索法对复合肥中 Ｐ元素的定量分析模型进行参量寻优，构建了 ＳＶＭ分析模型。结果表明，所建立的训练集定标模型的相关 系数 Ｒ２＝０．９８１，说明训练集的参考值和预测值的相关性较高；测试集中验证样本 Ｐ元素的参考值与预测值的相关系数 Ｒ２ ＝ ０．９９２，均方误差为 ４．９５×１０－５，说明所构建的 ＳＶＭ模型的适用性较强；训练集的平均绝对误差和相对误差分别为 ５．９×１０－４和 ３．９９×１０－３；测试集的平均绝对误差和相对误差分别为 ５．６×１０－４和 ３．２８×１０－３。将 ＳＶＭ算法与 ＬＩＢＳ技术结合可实现复合肥 中磷元素的快速检测，这为复合肥中元素含量快速检测提供了参考。
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｄｅｔｅｃｔｉｔｓｃｏｍｐｏｎｅｎｔｓｒａｐｉｄｌｙｉｎｔｈｅｐｒｏｄｕｃｔｉｏｎｏｆｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒａｎｄｇｕｉｄｅｔｈｅｐｒｏｄｕｃｔｉｏｎ，ｌａｓｅｒ ｉｎｄｕｃｅｄｂｒｅａｋｄｏｗｎｓｐｅｃｔｒｏｓｃｏｐｙ（ＬＩＢＳ）ａｎｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）ｗｅｒｅｕｓｅｄｔｏｑｕａｎｔｉｔａｔｉｖｅｌｙａｎａｌｙｚｅｐｈｏｓｐｈｏｒｕｓ（Ｐ） ｉｎｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒ．Ｉｎｔｈｅｅｘｐｅｒｉｍｅｎｔ，５８ｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒｓａｍｐｌｅｓｗｅｒｅａｎａｌｙｚｅｄｂｙｔｈｒｅｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｐｅｃｔｒａｏｆ ＰⅠ ２１３．５ｎｍ，ＰⅠ ２１４．９ｎｍａｎｄＰⅠ ２１５．４ｎｍ．５８ｓａｍｐｌｅｓｗｅｒｅｄｉｖｉｄｅｄｉｎｔｏｔｒａｉｎｉｎｇｓｅｔ（４３ｓａｍｐｌｅｓ）ａｎｄｔｅｓｔｓｅｔ（１５ ｓａｍｐｌｅｓ）ｂｙｒａｎｄｏｍ ｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄ．Ｔｈｅｇｒｉｄｓｅａｒｃｈｍｅｔｈｏｄｗａｓｕｓｅｄｔｏｏｐｔｉｍｉｚｅｔｈｅｐａｒａｍｅｔｅｒｓｏｆｔｈｅｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓ ｍｏｄｅｌｏｆＰｅｌｅｍｅｎｔｉｎｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒ．ＴｈｅＳＶＭ ａｎａｌｙｓｉｓｍｏｄｅｌｗａｓｃｏｎｓｔｒｕｃｔｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｔｈｅｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔＲ２ ｏｆｔｈｅｃａｌｉｂｒａｔｉｏｎｍｏｄｅｌｏｆｔｒａｉｎｉｎｇｓｅｔｉｓ０．９８１．Ｉｔｓｈｏｗｓｔｈａｔｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｒｅｆｅｒｅｎｃｅｖａｌｕｅａｎｄｔｈｅ ｐｒｅｄｉｃｔｅｄｖａｌｕｅｏｆｔｈｅｔｒａｉｎｉｎｇｓｅｔｉｓｈｉｇｈ．ＴｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔＲ２ ｂｅｔｗｅｅｎｔｈｅｒｅｆｅｒｅｎｃｅｖａｌｕｅａｎｄｔｈｅｐｒｅｄｉｃｔｅｄｖａｌｕｅｏｆ ｐｈｏｓｐｈｏｒｕｓ（Ｐ）ｉｎｔｈｅｓａｍｐｌｅｓｉｓ０．９９２．Ｔｈｅｍｅａｎｓｑｕａｒｅｅｒｒｏｒｉｓ４．９５×１０－５．ＳＶＭ ｍｏｄｅｌｈａｓｓｔｒｏｎｇａｐｐｌｉｃａｂｉｌｉｔｙ．Ｔｈｅ ａｖｅｒａｇｅａｂｓｏｌｕｔｅｅｒｒｏｒａｎｄｒｅｌａｔｉｖｅｅｒｒｏｒｏｆｔｈｅｔｒａｉｎｉｎｇｓｅｔａｒｅ５．９×１０－４ ａｎｄ３．９９×１０－３，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅａｖｅｒａｇｅａｂｓｏｌｕｔｅ ｅｒｒｏｒａｎｄｒｅｌａｔｉｖｅｅｒｒｏｒｏｆｔｈｅｔｅｓｔｓｅｔａｒｅ５．６×１０－４ａｎｄ３．２８×１０－３，ｒｅｓｐｅｃｔｉｖｅｌｙ．ＴｈｅｃｏｍｂｉｎａｔｉｏｎｏｆＳＶＭ ａｌｇｏｒｉｔｈｍａｎｄＬＩＢＳ ｔｅｃｈｎｏｌｏｇｙｃａｎｒｅａｌｉｚｅｔｈｅｒａｐｉｄｄｅｔｅｃｔｉｏｎｏｆｐｈｏｓｐｈｏｒｕｓｉｎｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒ．Ｔｈｉｓｓｔｕｄｙｐｒｏｖｉｄｅｓａｒｅｆｅｒｅｎｃｅｆｏｒｒａｐｉｄ ｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｅｌｅｍｅｎｔｃｏｎｔｅｎｔｉｎｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒ．
ＬＩＪｉａｎｇｔａｏ１，ＬＵＣｕｉｐｉｎｇ２，ＳＨＡＷｅｎ１
（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ２３００６１，Ｃｈｉｎａ；２．ＬａｂｏｒａｔｏｒｙｏｆＡｄｖａｎｃｅｄＳｅｎｓ ｉｎｇａｎｄＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓ，ＩｎｓｔｉｔｕｔｅｏｆＩｎｔｅｌｌｉｇｅｎｔＭａｃｈｉｎｅｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｈｅｆｅｉ２３００３１，Ｃｈｉｎａ）
第 ４３卷 第 ５期 ２０１９年 ９月
激 光 技 术 ＬＡＳＥＲＴＥＣＨＮＯＬＯＧＹ
Ｖｏｌ．４３，Ｎｏ．５ Ｓｅｐｔｅｍｂｅｒ，２０１９
文章编号：１００１３８０６（２０１９）０５０６０１０７
复合肥中磷元素的激光诱导击穿光谱定量分析
李江涛１，鲁翠萍２，沙 文１
（１．安徽大学 电气工程与自动化学院，合肥 ２３００６１；２．中国科学院 合肥智能机
Ｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓｏｆｐｈｏｓｐｈｏｒｕｓｉｎｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒ ｂｙｌａｓｅｒｉｎｄｕｃｅｄｂｒｅａｋｄｏｗｎｓｐｅｃｔｒｏｓｃｏｐｙ
Ｋｅｙｗｏｒｄｓ： ｓｐｅｃｔｒｏｓｃｏｐｙ；ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｒｅｇｒｅｓｓｉｏｎ；ｌａｓｅｒｉｎｄｕｃｅｄｂｒｅａｋｄｏｗｎｓｐｅｃｔｒｏｓｃｏｐｙ；ｐｈｏｓｐｈｏｒｕｓ；ｇｒｉｄ ｓｅａｒｃｈ
摘要：为了在复合肥生产中对其成分进行快速检测，达到指导生产的目的，采用激光诱导击穿光谱技术（ＬＩＢＳ）与支持向 量机（ＳＶＭ）方法结合对复合肥中磷（Ｐ）元素进行定量分析。实验中选取磷元素的 ＰⅠ２１３．５ｎｍ，ＰⅠ２１４．９ｎｍ和 ＰⅠ２１５．４ｎｍ３条 特征谱线对 ５８个复合肥样品进行分析。采用随机选择法将 ５８个样品划分为训练集（４３个样本）和测试集（１５个样本），用网格 搜索法对复合肥中 Ｐ元素的定量分析模型进行参量寻优，构建了 ＳＶＭ分析模型。结果表明，所建立的训练集定标模型的相关 系数 Ｒ２＝０．９８１，说明训练集的参考值和预测值的相关性较高；测试集中验证样本 Ｐ元素的参考值与预测值的相关系数 Ｒ２ ＝ ０．９９２，均方误差为 ４．９５×１０－５，说明所构建的 ＳＶＭ模型的适用性较强；训练集的平均绝对误差和相对误差分别为 ５．９×１０－４和 ３．９９×１０－３；测试集的平均绝对误差和相对误差分别为 ５．６×１０－４和 ３．２８×１０－３。将 ＳＶＭ算法与 ＬＩＢＳ技术结合可实现复合肥 中磷元素的快速检测，这为复合肥中元素含量快速检测提供了参考。
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｄｅｔｅｃｔｉｔｓｃｏｍｐｏｎｅｎｔｓｒａｐｉｄｌｙｉｎｔｈｅｐｒｏｄｕｃｔｉｏｎｏｆｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒａｎｄｇｕｉｄｅｔｈｅｐｒｏｄｕｃｔｉｏｎ，ｌａｓｅｒ ｉｎｄｕｃｅｄｂｒｅａｋｄｏｗｎｓｐｅｃｔｒｏｓｃｏｐｙ（ＬＩＢＳ）ａｎｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）ｗｅｒｅｕｓｅｄｔｏｑｕａｎｔｉｔａｔｉｖｅｌｙａｎａｌｙｚｅｐｈｏｓｐｈｏｒｕｓ（Ｐ） ｉｎｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒ．Ｉｎｔｈｅｅｘｐｅｒｉｍｅｎｔ，５８ｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒｓａｍｐｌｅｓｗｅｒｅａｎａｌｙｚｅｄｂｙｔｈｒｅｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｐｅｃｔｒａｏｆ ＰⅠ ２１３．５ｎｍ，ＰⅠ ２１４．９ｎｍａｎｄＰⅠ ２１５．４ｎｍ．５８ｓａｍｐｌｅｓｗｅｒｅｄｉｖｉｄｅｄｉｎｔｏｔｒａｉｎｉｎｇｓｅｔ（４３ｓａｍｐｌｅｓ）ａｎｄｔｅｓｔｓｅｔ（１５ ｓａｍｐｌｅｓ）ｂｙｒａｎｄｏｍ ｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄ．Ｔｈｅｇｒｉｄｓｅａｒｃｈｍｅｔｈｏｄｗａｓｕｓｅｄｔｏｏｐｔｉｍｉｚｅｔｈｅｐａｒａｍｅｔｅｒｓｏｆｔｈｅｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓ ｍｏｄｅｌｏｆＰｅｌｅｍｅｎｔｉｎｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒ．ＴｈｅＳＶＭ ａｎａｌｙｓｉｓｍｏｄｅｌｗａｓｃｏｎｓｔｒｕｃｔｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｔｈｅｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔＲ２ ｏｆｔｈｅｃａｌｉｂｒａｔｉｏｎｍｏｄｅｌｏｆｔｒａｉｎｉｎｇｓｅｔｉｓ０．９８１．Ｉｔｓｈｏｗｓｔｈａｔｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｒｅｆｅｒｅｎｃｅｖａｌｕｅａｎｄｔｈｅ ｐｒｅｄｉｃｔｅｄｖａｌｕｅｏｆｔｈｅｔｒａｉｎｉｎｇｓｅｔｉｓｈｉｇｈ．ＴｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔＲ２ ｂｅｔｗｅｅｎｔｈｅｒｅｆｅｒｅｎｃｅｖａｌｕｅａｎｄｔｈｅｐｒｅｄｉｃｔｅｄｖａｌｕｅｏｆ ｐｈｏｓｐｈｏｒｕｓ（Ｐ）ｉｎｔｈｅｓａｍｐｌｅｓｉｓ０．９９２．Ｔｈｅｍｅａｎｓｑｕａｒｅｅｒｒｏｒｉｓ４．９５×１０－５．ＳＶＭ ｍｏｄｅｌｈａｓｓｔｒｏｎｇａｐｐｌｉｃａｂｉｌｉｔｙ．Ｔｈｅ ａｖｅｒａｇｅａｂｓｏｌｕｔｅｅｒｒｏｒａｎｄｒｅｌａｔｉｖｅｅｒｒｏｒｏｆｔｈｅｔｒａｉｎｉｎｇｓｅｔａｒｅ５．９×１０－４ ａｎｄ３．９９×１０－３，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅａｖｅｒａｇｅａｂｓｏｌｕｔｅ ｅｒｒｏｒａｎｄｒｅｌａｔｉｖｅｅｒｒｏｒｏｆｔｈｅｔｅｓｔｓｅｔａｒｅ５．６×１０－４ａｎｄ３．２８×１０－３，ｒｅｓｐｅｃｔｉｖｅｌｙ．ＴｈｅｃｏｍｂｉｎａｔｉｏｎｏｆＳＶＭ ａｌｇｏｒｉｔｈｍａｎｄＬＩＢＳ ｔｅｃｈｎｏｌｏｇｙｃａｎｒｅａｌｉｚｅｔｈｅｒａｐｉｄｄｅｔｅｃｔｉｏｎｏｆｐｈｏｓｐｈｏｒｕｓｉｎｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒ．Ｔｈｉｓｓｔｕｄｙｐｒｏｖｉｄｅｓａｒｅｆｅｒｅｎｃｅｆｏｒｒａｐｉｄ ｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｅｌｅｍｅｎｔｃｏｎｔｅｎｔｉｎｃｏｍｐｏｕｎｄｆｅｒｔｉｌｉｚｅｒ．
ＬＩＪｉａｎｇｔａｏ１，ＬＵＣｕｉｐｉｎｇ２，ＳＨＡＷｅｎ１
（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ２３００６１，Ｃｈｉｎａ；２．ＬａｂｏｒａｔｏｒｙｏｆＡｄｖａｎｃｅｄＳｅｎｓ ｉｎｇａｎｄＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓ，ＩｎｓｔｉｔｕｔｅｏｆＩｎｔｅｌｌｉｇｅｎｔＭａｃｈｉｎｅｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｈｅｆｅｉ２３００３１，Ｃｈｉｎａ）
第 ４３卷 第 ５期 ２０１９年 ９月
激 光 技 术 ＬＡＳＥＲＴＥＣＨＮＯＬＯＧＹ
Ｖｏｌ．４３，Ｎｏ．５ Ｓｅｐｔｅｍｂｅｒ，２０１９
文章编号：１００１３８０６（２０１９）０５０６０１０７
复合肥中磷元素的激光诱导击穿光谱定量分析
李江涛１，鲁翠萍２，沙 文１
（１．安徽大学 电气工程与自动化学院，合肥 ２３００６１；２．中国科学院 合肥智能机