發(fā)布時(shí)間：2024-12-06 23:48

　　 快速分析小麥秸稈中K和Na元素含量對(duì)提高其燃燒效率具有重要的現(xiàn)實(shí)意義。選用華北地區(qū)29個(gè)小麥秸稈代表性樣本作為研究對(duì)象,以電感耦合等離子體質(zhì)譜法(ICP-MS)量測(cè)結(jié)果作為標(biāo)準(zhǔn)值,探討激光誘導(dǎo)擊穿光譜(LIBS)技術(shù)對(duì)小麥秸稈中K和Na元素含量進(jìn)行定量預(yù)測(cè)分析的可行性。為提高模型定量分析精度,首先分別選取K和Na分析線附近波段光譜作為定標(biāo)模型原始光譜數(shù)據(jù),對(duì)比基線校正(BC)、歸一化(Norm)與中心化(MC)相互組合算法對(duì)LIBS光譜降噪效果影響,分析比較線性建模方法:偏最小二乘回歸(PLSR)和非線性建模方法:增強(qiáng)型反向傳播人工神經(jīng)網(wǎng)絡(luò)(BP-ADaboost)對(duì)預(yù)處理后光譜數(shù)據(jù)的適用性。研究結(jié)果發(fā)現(xiàn),與PLSR模型相比較,小麥秸稈中K和Na的BP-ADaboost最優(yōu)模型效果均較好,其預(yù)測(cè)決定系數(shù)R2p分別為0. 908和0. 979,預(yù)測(cè)均方根誤差分別為2. 388 g/kg和0. 138 g/kg,相對(duì)分析誤差分別為2. 358和4. 203。結(jié)果表明,LIBS技術(shù)能用于小麥秸稈中K和Na的同步快速定量分析。

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
0 引言
1 材料與方法
    1.1 樣品采集與制備
    1.2 K和Na含量測(cè)定
    1.3 光譜采集
    1.4 模型及效果評(píng)價(jià)
    1.5 數(shù)據(jù)處理和分析
2 結(jié)果與分析
    2.1 K和Na含量統(tǒng)計(jì)分析
    2.2 小麥秸稈LIBS光譜解析
    2.3 定標(biāo)模型構(gòu)建
    2.4 模型預(yù)測(cè)效果比較
3 結(jié)束語(yǔ)



本文編號(hào)：4014450