[发明专利]基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法

说明书

本发明涉及光谱分析领域，具体是基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法。针对数据存在噪声和光谱数据维度过高带来的问题，提出一种基于互信息特征筛选偏最小二乘的LIBS的定量分析方法以提高矿浆品位分析精度。具体步骤为：(1)计算训练样本每列特征与标签的互信息量；(2)训练集中去除互信量为0的a个特征；(3)测试集保留与训练集剩余特征相同的特征列；(4)利用确定的特征个数，建立PLS模型，通过训练集的解释方差和均方误差来确定主成分个数。本发明提供了一种降低数据维度并有效选出光谱数据特征的方法，提高了分析精度。可实际应用于选矿厂现场监控矿浆品位分析监测。

技术领域

本发明涉及光谱分析领域，具体地说是一种基于互信息特征筛选偏最小二乘的激光诱导击穿光谱铁矿浆定量分析方法。

背景技术

铁矿石原矿到最后变成钢铁要经过一系列复杂的选矿流程，其中矿物浮选是根据目标矿物与杂质理化性质的不同，将目标矿物与杂质分离，进而从原矿浆中提取出来的选矿方法。尾矿是浮选最后的产物，据统计2018年我国铁尾矿产生量约为4.76亿吨。对尾矿铁品位的分析可以帮助判断整个浮选的工艺性能，同时对环境的保护，尾矿资源回收利用有着重要的作用。

目前国内选矿厂检测矿浆品位相对准确的方法是化学分析，但化学分析周期长，有滞后性，无法做到在线检测分析。近几年，也出现了新的检测技术对矿浆进行在线检测，如X射线荧光(XRF)分析法。XRF分析法能够做到实时在线检测，但是用于矿浆在线分析的XRF分析仪无法检测原子序数20以前的元素，且X射线具有放射性，具有潜在的危害性。激光诱导击穿光谱技术是一种新兴的检测技术，被世界著名的光谱分析学家Winefordner称为“一颗未来巨星”，它具有多元素同时分析、无需对样品处理、对样品的破坏小、快速分析实时检测等优点，相比其他方法，LIBS更有利于对矿浆的检测。

在分析铁矿浆中铁元素时，矿浆的成分复杂且自吸效应比较严重，采用传统的单变量定量分析方法不能达到对铁矿浆中铁元素定量分析的要求，因此在分析铁矿浆时，常采用多变量分析方法以校正自吸收效应和基体效应。其中，偏最小二乘回归是一种多元统计分析算法，可以在自变量多重相关的情况下实现定量分析，并较为容易地排除自变量中的噪声，能够解决多元线性回归中比较难分析的问题。而LIBS采集到的光谱数据中有大量对成分分析无用的冗余信息，采用全谱数据进行建模会增加建模复杂程度，导致建立的模型精确度不够、泛化能力不强。

为了降低建模复杂程度，避免数据维度过多，减少冗余信息的干扰的问题，本发明提出一种基于互信息特征筛选偏最小二乘的激光诱导击穿光谱铁矿浆定量分析方法。

发明内容

针对现有技术的不足，本发明的目的是解决光谱数据维度过高给PLS建模带来的数据冗余和过拟合问题，以及激光诱导击穿光谱在进行成分分析时受自吸收效应和基体效应造成的影响。将互信息特征筛选引入到光谱数据的处理中，提出一种基于互信息特征筛选偏最小二乘的模型以提高铁矿浆尾矿中铁元素的定量分析的精度。

为此，本发明是采用如下技术方案实现的：基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法，包括以下步骤：

离线建模的步骤：采集矿浆样本的激光诱导原始光谱数据；对每张原始光谱特征进行互信息的特征筛选，保留互信息量非零的特征；利用特征筛选后新特征建立光谱强度-浓度的PLS模型，并反复迭代过程中根据训练集的解释方差与均方误差确定最优主成分数；利用最优主成分数获取最优的PLS模型；

实时检测的步骤：利用现场设备采集现场矿浆样本的实时光谱数据，输入优化的光谱强度-浓度的PLS模型，获取矿浆中指定元素的浓度含量。

所述采集矿浆样本的激光诱导原始光谱数据是采用激光诱导击穿光谱仪采集的。

所述离线建模包括以下步骤：

S1、数据预处理及特征提取：对获得的待测物质的激光诱导击穿光谱原始数据，进行均值化和谱线特征提取处理；