基于列文伯格-马夸尔特-反向传播人工神经网络的X射线荧光光谱定量分析方法

目的 建立一种基于列文伯格-马夸尔特-反向传播人工神经网络(Levenberg-Marquardt back-propagation artificial neural networks, LM-BP-ANN)的X射线荧光光谱(XRF)的定量检测分析方法。方法 采集84个土壤样品光谱数据, 预处理后应用主成分分析(PCA)提取特征参数, 随机选取训练集、校正集、预测集样品个数分别为42、21、21。以均方差(MSE)、校正决定系数(R2)、校正标准差(SEC)、验证决定系数(r2)、预测标准差(SEP)和相对预测误差(RPD)为评价指标, 同时分析比较LM-BP-ANN、BP-ANN、PLS三种算法的建模结果, 并利用模型预测土壤重金属含量。结果 实验确定隐含层神经元数目、学习率和迭代次数值依次为: 6、0.1和8, 3种建模方法中LM-BP-ANN效果最优, 模型的相关系数高于0.98, 表明模型有效。结论 模型分析快速, 可用于实际土壤样品中重金属含量的检测, 对于改进X射线荧光光谱仪的检测准确度有着重要的意义