期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
高重频火花放电增强激光诱导击穿光谱(LIBS)结合机器学习对铝合金中镁元素的定量分析
1
作者 王亚蕊 王朝勇 吴诗磊 《中国无机分析化学》 CAS 北大核心 2024年第10期1457-1464,共8页
铝合金中的镁元素会影响铝合金的性能,因此亟需一种快速、高准确度定量分析铝合金中镁元素含量的方法。采用基于微芯片激光器的高重频火花放电辅助激光诱导击穿光谱技术(HRR SD-LIBS)对铝合金中镁元素进行定量分析。采用移动中位数法对... 铝合金中的镁元素会影响铝合金的性能,因此亟需一种快速、高准确度定量分析铝合金中镁元素含量的方法。采用基于微芯片激光器的高重频火花放电辅助激光诱导击穿光谱技术(HRR SD-LIBS)对铝合金中镁元素进行定量分析。采用移动中位数法对采集的光谱数据进行基线校正以获取净光谱数据,分别建立单变量定标模型和反向传播神经网络(BP)、支持向量机(SVM)和随机森林(RF)等多变量定标模型。结果表明,HRR SD-LIBS技术结合机器学习算法可建立更稳健的多变量定标模型。与常规单变量定标法相比,BP、SVM和RF模型的预测集相关系数(R_(P)^(2))从0.810升高到0.985、0.997和0.994,均方根误差(RMSEP)从0.283下降到0.059 8、0.041 0和0.054 2,平均相对误差从26.62%下降到3.13%、2.82%和3.61%。因此采用基于机器学习的多变量定标法能够显著提升LIBS定量分析准确度。基于小型化的微芯片激光器的HRR SD-LIBS技术结合机器学习算法能够实现对合金样品和其他材料的便携、快速、准确的定量元素分析。 展开更多
关键词 火花放电 激光诱导击穿光谱 微芯片激光器 机器学习 定量分析
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部