谷艳红,赵南京,马明俊,孟德硕,余洋,贾尧,方丽,王园园,刘建国,刘文清.基于主成分回归的土壤重金属LIBS定量分析方法研究[J].光电子激光,2016,27(7):748~753 |
基于主成分回归的土壤重金属LIBS定量分析方法研究 |
Quantitative analysis of Cr in soils using LIBS with principal components regres sion |
投稿时间:2015-12-09 |
DOI: |
中文关键词: 激光诱导击穿光谱(LIBS) 主成分分析(PCA) 土壤 偏最小二乘回归(PLSR) 定量分析 |
英文关键词:laser-induced breakdown spectroscopy (LIBS) principal components analysis (PCA ) soils partial least squares regression (PLSR) quantitative analysis |
基金项目:国家“863”计划项目(2014AA06A513,3AA065502)、国家自然科学基金(61378041)、安徽省科技攻关项目(1501041119)和安徽省杰出青年科学基金(1508085JGD02) 资助项目 (1.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; 2.中国科学技术大学,安徽 合肥 230026) |
作者 | 单位 | 谷艳红 | 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 中国科学技术大学,安徽 合肥 230026 | 赵南京 | 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 | 马明俊 | 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 | 孟德硕 | 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 | 余洋 | 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 | 贾尧 | 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 | 方丽 | 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 | 王园园 | 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 | 刘建国 | 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 | 刘文清 | 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 |
|
摘要点击次数: 720 |
全文下载次数: 0 |
中文摘要: |
采用激光诱导击穿光谱(LIBS)技术结 合主成分分析(PCA )和基于PCA的偏最小二乘回归法(PLSR ),对8种土壤样品进 行分类及Cr元素含量的分析研究。对比分析了不同土壤样品基体元素的特征光谱,利用PCA 对8种土壤样品进行分类,并采用PLSR定量分析不同土壤中Cr元素的含量。研究结果表 明,不同土壤样品中的基体元素特征光谱出现较大差异,8种土壤样品经PCA分析后大致 分为3类;利用PLSR训练模型得到的定标曲线将拟合相关系数提高至0.986,对同一类的 土壤样品Cr的含量预测相对误差小于7.5%,对非同一类土壤样品Cr的预测相对 误差较大。这说明,对待测样品定量分析前,采用PCA对土壤样品分类可以提高对待测样品 重金属元素定量检测的精确度,对建立定量分析模型提供指导。 |
英文摘要: |
Principal components analysis (PCA) and partial least squares regression (PLSR) were used to classify and quantita tive investigate soils using laser-induced breakdown spectroscopy (LIBS).Comparative analyzing t he (LIBS) spectra of different soils,eight kinds of soils were classified by PCA,and PLSR were then u sed to measuring the concentration of chromium (Cr) in eight kinds of soils,respectively.We optimize the principal components,then the results indicate that the PCA can classify eight kinds of soil s into three clusters, and the correlation coefficient of the calibration curve with PLSR is 0.986.For different clusters,the error of the prediction for the concentratio n analysis of Cr in soils is large.For the same cluster,the predicted errors of Cr for two soils ar e lower than 7.5%.It shows that using PCA on the soil samples cl assification before the quantitative analysis can improve the accuracy of the quantitative an alysis for heavy metal elements and guide the model building. |
查看全文 下载PDF阅读器 |
关闭 |
|
|
|
|
|