文献类型：期刊文章

作　　者：李颖娜[1] 徐志彬[2]

LI Ying-na;XU Zhi-bin(Department of Environmental and Chemical Engineering,Tangshan College,Tangshan 063000,China;Hebei Entry-exit Inspection and Quarantine Technical Center,Tangshan 063611,China)

机构地区：[1]唐山学院环境与化学工程系,河北唐山063000 [2]河北出入境检验检疫局检验检疫技术中心,河北唐山063611

出　　处：《冶金分析》

基　　金：河北省科技条件建设项目(12966912D);河北省科技计划项目(13273707);河北省唐山市科技计划项目(14130238B)

年　　份：2019

卷　　号：39

期　　号：1

起止页码：35-41

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、IC、JST、RCCSE、RSC、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为了探索人工智能在铁矿石品质快速检验中的应用,研究了机器学习算法与化学计量学和X射线荧光光谱仪(XRF)相结合快速测定铁矿石中全铁含量的方法。收集来自于不同产地的,主要物相为赤铁矿、褐铁矿、磁铁矿、针铁矿和多物相混和结构的铁矿石样品共1 098个作为样本集。采用X射线荧光光谱仪对铁矿石样品熔片进行扫描,扫描后的光谱图提取数据点后作为神经网络的输入,以全铁含量作为输出结果。然后依据X射线衍射(XRD)得到的物相结构优化自组织(SOM)网络,并对全部样本的XRF图谱进行分类,对分类后的每一个子集分别采用反向传播(BP)和径向基函数(RBF)网络建立回归子模型,对各子模型的预测结果进行整合,最终建立基于集成神经网络和X射线荧光光谱法的铁矿石中全铁含量预测模型。方法模型建立后,不需要额外标准物质建立校准曲线,能够实现对未知样品的分类和输出全铁含量结果。

关 键 词：铁矿石 X射线荧光光谱法 X射线衍射  反向传播(BP)神经网络  径向基函数(RBF)神经网络 集成神经网络

分 类 号：O657.34] TF031[化学类]