申请/专利权人:沈阳尖科智能测控技术合伙企业(有限合伙)
申请日:2024-03-21
公开(公告)日:2024-04-26
公开(公告)号:CN117929356A
主分类号:G01N21/71
分类号:G01N21/71
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明提供一种基于高斯过程回归的LIBS定量分析方法,涉及光谱分析技术领域,本发明针对光谱数据自吸收和基体效应造成的非线性问题,提出一种基于高斯过程回归的LIBS分析方法以提高定量分析精度。具体步骤为:1数据预处理及连续投影算法特征波长筛选;2根据LIBS数据特征确定高斯过程回归的核函数及均值函数、噪声大小;3建立高斯过程回归模型。本发明提供了一种降低自吸收和基体效应带来的非线性问题的解决方法,提高了分析精度。
主权项:1.一种基于高斯过程回归的LIBS定量分析方法,其特征在于,包括以下步骤:步骤1:通过激光诱导击穿光谱分析仪采集LIBS光谱数据,进行最小最大值归一化和去趋势矫正处理,得到多维谱线数据集,并将多维谱线数据集根据设定比例划分为训练集、验证集和测试集;步骤2:对训练集使用连续投影算法降低LIBS光谱数据的波长维度,筛选波长变量,消除数据间多重共线性,获得特征波长,将算法获取的变量索引应用于验证集和测试集;步骤3:基于步骤2筛选后得到的特征波长确定高斯过程回归的协方差函数,即核函数;步骤4:建立元素浓度的高斯过程回归模型; ;其中;其中,为测试集样本的预测均值,测试集样本,为训练集样本,为噪声矩阵,为维单位矩阵,是训练集元素浓度标签值,为核函数;步骤5:基于步骤3的核函数和步骤4建立的高斯过程回归模型,通过极大对数边际似然或极小负对数边际似然对核函数进行超参数优化,通过高斯过程回归模型自动获取待分析元素浓度并输出。
全文数据:
权利要求:
百度查询: 沈阳尖科智能测控技术合伙企业(有限合伙) 一种基于高斯过程回归的LIBS定量分析方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。