期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
激光诱导击穿光谱(LIBS)技术融合机器学习快速鉴别土壤重金属污染等级
1
作者
彭莎
何亚雄
+3 位作者
温起帆
赵栋烨
李博轩
柯川
《中国无机分析化学》
北大核心
2025年第9期1295-1303,共9页
鉴于重金属于土壤中长期累积会致使土壤污染加剧、质量衰退,进而衍生出诸多棘手的环境问题,对土壤重金属含量进行持续且精准监测至关重要。通过整合激光诱导击穿光谱(LIBS)技术与智能算法,致力于实现土壤中重金属污染等级的快速精准辨...
鉴于重金属于土壤中长期累积会致使土壤污染加剧、质量衰退,进而衍生出诸多棘手的环境问题,对土壤重金属含量进行持续且精准监测至关重要。通过整合激光诱导击穿光谱(LIBS)技术与智能算法,致力于实现土壤中重金属污染等级的快速精准辨识。首先,运用中值绝对偏差(MAD)法剔除异常光谱,并对光谱数据执行归一化操作,以有效抑制激光能量波动以及环境噪声所引入的干扰,保障数据的可靠性与稳定性。继而引入支持向量机(SVM)、K近邻算法(KNN)、随机森林(RF)与决策树(DT)的智能算法,针对预处理后的光谱数据实施分类识别,为化解因参数择取失当引发的过拟合或欠拟合风险,采用随机搜索策略对各模型予以优化。经综合比对,SVM模型呈现出最优的分类精度,Cr和Cu污染土壤等级识别的准确率分别为99.417%、99.250%。实验表明,SVM和LIBS相结合可以快速判断土壤中重金属污染等级,同时也为环境检测与治理提供了一个新的技术方向。
展开更多
关键词
激光诱导击穿光谱
机器学习
中值绝对偏差法
土壤重金属污染
在线阅读
下载PDF
职称材料
题名
激光诱导击穿光谱(LIBS)技术融合机器学习快速鉴别土壤重金属污染等级
1
作者
彭莎
何亚雄
温起帆
赵栋烨
李博轩
柯川
机构
西南交通大学物理科学与技术学院
西南交通大学电气工程学院
核工业西南物理研究院
中航(成都)无人机系统股份有限公司
出处
《中国无机分析化学》
北大核心
2025年第9期1295-1303,共9页
基金
国家重点研发计划项目(2022YFE03020002)。
文摘
鉴于重金属于土壤中长期累积会致使土壤污染加剧、质量衰退,进而衍生出诸多棘手的环境问题,对土壤重金属含量进行持续且精准监测至关重要。通过整合激光诱导击穿光谱(LIBS)技术与智能算法,致力于实现土壤中重金属污染等级的快速精准辨识。首先,运用中值绝对偏差(MAD)法剔除异常光谱,并对光谱数据执行归一化操作,以有效抑制激光能量波动以及环境噪声所引入的干扰,保障数据的可靠性与稳定性。继而引入支持向量机(SVM)、K近邻算法(KNN)、随机森林(RF)与决策树(DT)的智能算法,针对预处理后的光谱数据实施分类识别,为化解因参数择取失当引发的过拟合或欠拟合风险,采用随机搜索策略对各模型予以优化。经综合比对,SVM模型呈现出最优的分类精度,Cr和Cu污染土壤等级识别的准确率分别为99.417%、99.250%。实验表明,SVM和LIBS相结合可以快速判断土壤中重金属污染等级,同时也为环境检测与治理提供了一个新的技术方向。
关键词
激光诱导击穿光谱
机器学习
中值绝对偏差法
土壤重金属污染
Keywords
laser-induced breakdown spectroscopy(LIBS)
machine learning
median absolute deviation(MAD)
soil heavy metal pollution
分类号
O657.38 [理学—分析化学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
激光诱导击穿光谱(LIBS)技术融合机器学习快速鉴别土壤重金属污染等级
彭莎
何亚雄
温起帆
赵栋烨
李博轩
柯川
《中国无机分析化学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
