[发明专利]一种顺序式波长色散X射线荧光光谱智能分析方法

权利要求书

1.一种顺序式波长色散X射线荧光光谱智能分析方法，其特征在于，包括以下步骤：

步骤1：获取标准样品数据；

获取的标准样品覆盖所有种类，其中标准样品数记为n，标准样品的数据包括元素含量w_ij和元素荧光强度I_ij，元素含量w_ij为元素j在样品i中的含量，在标准样品中所有元素含量是已知的；经荧光光谱仪测得的元素荧光强度I_ij表示样品i中的元素j所测得的荧光强度，单位为CPS；其中，j∈[1,m]，i∈[1,n]，m表示样品i中含有的元素总量；

步骤2：标准样品数据预处理；

首先计算出需要考虑的元素的总含量，然后分别计算出各个元素在其中的占比，以此替代含量作为聚类分析的依据；

其中标准样品中元素含量的数据以矩阵形式表示为：

其中x_ij表示元素j含量在样本i中占所有需要考虑的元素的百分比，满足

步骤3：对标准样品进行聚类；

具体实现包括以下子步骤：

步骤3.1：确定需要聚成的类别数k；

步骤3.2：根据样本数据构造出相似矩阵S；

其中X_i＝[x₁₁ x₁₂…x_1m]是样本i中元素含量的数据矩阵，dis(X_i,X_j)表示点X_i与X_j间的距离；

步骤3.3：根据相似矩阵S，采用k近邻准则得出邻接矩阵W；

步骤3.4：计算度矩阵D以及拉普拉斯矩阵L＝D-W；

步骤3.5：对矩阵L进行标准化处理；

步骤3.6：计算标准化处理之后的L的特征值和特征向量，按特征值升序排列，取前k个特征值相对应的特征向量组成数据矩阵，按行进行k-means聚类；

步骤3.7：输出聚类结果；

步骤4：测试待测样本数据，得到待测样品中的元素荧光强度；

步骤5：去重叠和干扰修正；

步骤5的具体实现包括模型训练阶段和测试计算阶段；

所述模型训练阶段，具体包括以下子步骤：

步骤5.1：选取步骤1中标准样品的元素，对该元素进行去重叠和基体效应校正；

步骤5.2：根据先验知识依次添加重叠干扰元素和基体影响元素；

步骤5.3：利用最小二乘法和多元线性回归分析计算出干扰影响元素的系数；

其中，i′为分析元素，j′为基体元素，k_i′为所分析元素校准曲线的斜率，b_i′为所分析元素校准曲线的截距，β_i′m′为干扰元素m′对分析元素i′的谱线重叠强度干扰校正系数，α_i′j′为基体效应的校正系数，w_i′表示标准样品中元素i′的真实含量，N为样品中产生基体效应元素总数，I_i′为元素i′荧光强度；

步骤5.4：最终得到样品中元素含量和测试所得荧光强度的计算模型w_i′；

所述测试计算阶段，具体实现过程为：导入步骤4测得的样本数据，选择步骤5.4中的计算模型w_i′，计算、输出校正后的待测样品中元素含量；

步骤6：利用SVM实现对待测样本的分类，确定未知样本的种类。

2.根据权利要求1所述的顺序式波长色散X射线荧光光谱智能分析方法，其特征在于：步骤6中，在传统方法的基础上先构造基于SVM算法的多类分类器，采用间接法中的一对一法来处理多分类问题；

具体实现包括以下子步骤：

步骤6.1：将步骤5中得到的待测样本元素含量的数据格式调整为如下形式：

labelindex1:value1index2:value2...indexk:valuek

其中，label表示样品名称，indexk表示元素序号，valuek表示元素k含量的取值范围，取值范围为1～该样品中元素含量总数；

步骤6.2：使用步骤3中得到的聚类结果，对输入的待测样本进行分类。