激光诱导击穿光谱技术/多元二次非线性回归分析土壤中的铬元素

利用激光诱导击穿光谱(LIBS)技术对土壤中铬元素的含量进行了定量分析研究。由于土壤成分复杂r光谱谱线存在较严重的重叠干扰若采用一元回归方法分析常得不到理想结果。为了更充分有效地利用光谱中信息,以土壤中Cr I 425.43 nm和Fe I 425.07 nm谱线的积分强度为自变量,Cr元素浓度为因变量,建立交又降维近似多元非线性回归、多元二次非线性回归和平方降维近似多元非线性回归模型。对比分析表明,当添加Cr和Fe元素特征谱线强度交又项影响时,所建立的多元二次非线性回归模型效果最佳,预测浓度与实际参考浓度之间线性关系达到0.9943,预测4个验证样品的相对误差分别为3.57%,0.76%,7.66%和2.24%。

基于粗糙集和遗传算法的多元二次非线性回归分析模型及应用

针对煤与瓦斯突出模式识别是一个非线性、高维数据处理问题,建立了多元二次非线性回归分析的模式识别模型。利用粗糙集属性约简算法对样本数据进行降维处理,再利用降维数据和遗传算法估算出模型系数,通过对测试样本的识别检验,表明基于粗糙集和遗传算法的多元二次非线性回归分析模型具有很高的判别能力,取得和支持向量机回归模型一样的识别效果。

基于改进多元非线性模型的LIBS钢液成分定量分析

激光诱导击穿光谱(LIBS)技术用于钢液成分在线定量分析时,基体效应会对其精确度产生严重影响。在定量分析时,用一种改进的多元非线性模型进行定标,以降低基体效应对待测元素的影响,并与单变量定标和改进前的多元非线性模型定标进行对比。结果表明,与单变量定标相比,多元非线性模型定标的测量精度有所提高,模型改进后,其分析性能得到进一步完善。测量元素Mn、Si的定标曲线的拟合度从0.980、0.984分别提高到0.985、0.989,两个验证样品的预测相对误差分别从6.231%、5.437%和6.912%、6.315%下降到5.510%、5.039%和6.125%、5.919%。

采用激光诱导击穿光谱技术测定合金钢中锰和硅的含量

基于激光诱导击穿光谱(LIBS)技术定量分析多品种合金钢中锰(Mn)和硅(Si)的浓度,采用的校正方法为多元二次非线性函数定标方法。分析的钢种有普通合金钢、不锈钢、碳素工具钢等。由于不同钢种在基体组成上存在较大差异,而且钢的光谱还存在复杂的谱线重叠干扰,所以受基体效应影响严重。因此,对钢这类复杂化学体系物质的定量分析,若采用单谱线信息的校正方法会造成很多有用信息的丢失,而采用多变量的定标法会更充分利用光谱中的信息,更有效校正多基体组分的基体效应,进而提高LIBS定量分析的重复性和准确性。相比线性标准定标曲线法,测量结果的相对标准差从20%以上降低到10%以下,Mn元素测量结果的准确度提高了5倍多,Si元素提高了6倍多。

胡尖山油田水力压裂效果灰色关联评价模型

针对鄂尔多斯盆地胡尖山油田油层复杂、水力压裂措施效果不理想的问题,在统计分析胡尖山油田117井次水力压裂历史数据的基础上,利用灰色关联分析方法研究了各因素对措施效果的影响权重,并运用多元二次非线性回归方法建立了胡尖山油田水力压裂措施效果预测模型。经实际应用得出该模型对建模所用样本点的符合率为90.8%,对储层类型的新压裂井的措施效果预测符合率为84.8%,具有较强的针对性和精确性,可为该油区水力压裂优化设计提供指导。