基于人工神经网络的激光诱导击穿光谱技术定量测定地质标样铁元素含量_胡杨_李子涵_

资 源 简 介

基于人工神经网络的激光诱导击穿光谱技术定量测定地质标样铁元素含量_胡杨_李子涵_

详 情 说 明

激光诱导击穿光谱(LIBS)技术在地质样品元素分析领域具有快速、无损的优势，但传统定量分析方法在复杂基体效应下精度受限。胡杨和李子涵的研究创新性地将人工神经网络(ANN)引入地质标样铁元素的定量测定，通过构建多层感知器模型有效解决了基体干扰问题。

研究采用标准地质样品制备训练集，利用激光诱导产生的等离子体光谱数据作为输入特征。人工神经网络通过反向传播算法自动学习光谱特征与铁元素浓度间的非线性关系，相比传统校准曲线法，ANN模型显著提高了低浓度区间的预测准确性。该方法的创新点在于设计了自适应特征选择模块，能够动态优化输入波长变量，减少噪声干扰。

实验结果表明，在多种地质基体背景下，ANN模型的铁元素测定相对误差控制在5%以内，尤其适用于成分复杂的地质样品快速检测。这项研究为LIBS技术在实际矿产勘探中的应用提供了更可靠的定量分析方案。