基于预分类策略的激光诱导击穿光谱技术用于岩石样品定量分析

岩石样品中复杂的基质效应严重影响激光诱导击穿光谱(LIBS)定量分析的准确性,其原因是目标元素的发射特性会受到基质的影响,导致其发射强度偏离理想的规律。为提高定量分析准确性,本文提出一种基于岩性基质特性的预分类定量分析方法。该方法首先构建基于k近邻(kNN)与支持向量机(SVM)算法的多层分类模型识别样品的岩性进行分类,通过kNN算法将样品分成碳酸盐和硅酸盐两大类,再利用SVM算法将大类细分成6类,而后针对不同岩性样品分别构建元素定量模型。通过采用预分类方法,可以确保分析的样品具有相似的化学成分,更好地确定分析时的基准线和校准曲线,从而减少分析中的不确定度,提高定量准确性。kNN算法通过交叉验证选取最优的k值,同时使用网格寻优方法确定了SVM算法中关键惩罚参数C和RBF宽度参数γ,利用该分类模型对来自6类岩性的39个国标岩石样品和国标岩石混合样品中的Si、Ca、Mg和K元素进行分析,岩性识别的准确率达100%,保证了后续定量分析的准确性,并针对不同岩性中的不同元素采用了合适的预处理方式提升光谱数据的稳定性。相比于传统标准曲线定量方法,采用预分类方法可以减少不同岩性基质之间的相互影响,从而减小样品基质非均匀性带来的误差。对比两种方法进行数据分析,测试集样品的预测值与参考值相关性分析系数从0.231~0.664提高至0.994~0.999,平均相对标准偏差从38.2%降低至8.6%。与传统定量分析方法相比较,采用预分类定量分析方法所构建模型对上述4种元素定量分析结果准确性有着明显的提高,为提高岩石元素定量分析准确性提供新的思路,拓宽了LIBS技术的实际应用范围。