基于惩罚最小二乘算法的土壤重金属检测光谱基线校正

针对X射线荧光光谱分析技术在检测土壤重金属过程中由于土壤背景复杂、包含大量噪声和干扰信息而易受基体效应影响的问题,为了提高定量分析模型的精度,利用惩罚最小二乘算法拟合基线与真实基线之间的保真度和平滑度,对X射线荧光光谱进行基线校正,从而减小基线漂移的影响。选用无基线扣除、非对称最小二乘(ASLS)、自适应迭代重加权惩罚最小二乘(AIRPLS)、非对称重加权惩罚最小二乘(ARPLS)、局部对称重加权惩罚最小二乘(LSRPLS)和多约束重加权惩罚最小二乘(DRPLS)等6种处理方法对土壤重金属元素铅和砷的测量光谱进行基线校正;结合偏最小二乘(PLS)算法建立相应的校正模型,以选择最优基线校正算法;与神经网络(BP)和支持向量机(SVR)建立的校正模型进行比较,对模型进行评价。结果显示,铅元素的最佳模型为DRPLS-PLS,模型的R^(2)达到0.982,预测均方根误差(RMSEP)为0.056 mg/kg;砷元素的最佳模型为DRPLS-PLS模型,模型的R^(2)达到0.985,RMSEP为0.796 mg/kg。与PLS和BP模型相比,铅、砷两种元素的SVR模型建模均最优,模型的R^(2)分别达到0.998和0.993,RMSEP分别为0.015、0.596 mg/kg。实验表明,通过基线校正后模型的预测精度、检出限和稳定性均有所提高,该方法可有效提高X射线荧光光谱在土壤中的定量分析能力。

非对称加权惩罚最小二乘算法校正X射线荧光法定量精铜痕量银元素模型

针对精铜中痕量银元素定量时特征X射线存在背景干扰的问题,采用非对称加权惩罚最小二乘算法(arPLS)对X射线荧光光谱进行基线校正,建立精铜中痕量银元素定量检测模型。通过改变算法平滑参数(λ)和收敛条件(ratio),研究痕量元素X射线光谱基线随参数变化规律,对60组光谱数据采用调整参数并图像监控的方式估计基线。所建立的定量模型不确定度系数R2=0.9862,均方根误差(RMSE)为0.0040 wt%。与不经背景校正算法相比,定量模型R2提高了0.0211,RMSE降低了0.0023 wt%,预测值和参考值平均相对误差缩减了2倍,预测不确定度由0.0028 wt%降低为0.0025 wt%。所建立的定量模型可应用于冶金在线检测、金属回收、合金强化等领域。

基于网格的最小二乘重建算法

与投影数据及系统的灵敏度等各种特性息息相关的迭代图像重建算法,一直是医学图像重建中热点问题.具有重建速度快特点的解析法却不能得到让人满意的图像,而迭代算法能得到质量较好的图像,但存在重建时间过长的问题.本文以图像的网格化模型为基础,对惩罚加权最小二乘重建算法进行相关改进.实验结果表明,改进后的算法具有较好的重建结果.