基于马氏距离和稀疏矩阵技术的激光诱导击穿光谱(LIBS)煤质灰分分析

为了提高激光诱导击穿光谱(LIBS)定量测定煤质的精度,先对原始数据进行预处理,包括异常值剔除、基线校正、谱线筛选,再将LIBS与偏最小二乘回归法(PLSR)结合建立定量模型以应用于煤质灰分的分析。结果表明,经过预处理后训练样品的拟合度(R^(2))从0.9740提高到0.9841,均方根误差(RMSE)从0.9613降低到了0.7527,预测均方根误差(RMSEP)从2.2731降到2.0017,同时平均绝对误差(MAE)和平均相对误差分别从1.9747、0.1094降低到1.5572、0.0757。研究表明,基于马氏距离(MD)的异常数据剔除算法结合基于稀疏矩阵技术的基线估计与降噪算法(BEADS),在一定程度上能够改善数据的稳定性和光谱信噪比,有利于提高数据建模的预测精度。