文献类型：期刊文章

作　　者：张博[1,2] 闵红[2] 刘曙[2] 安雅睿[1] 李晨[2] 朱志秀[2]

ZHANG Bo;MIN Hong;LIU Shu;AN Ya-rui;LI Chen;ZHU Zhi-xiu(Department of Chemistry,College of Science,University of Shanghai for Science and Technology,Shanghai 200093,China;Technical Center for Industrial Product and Raw Material Inspection and Testing,Shanghai Entry-Exit Inspection and Quarantine Bureau,Shanghai 200135,China)

机构地区：[1]上海理工大学理学院化学系,上海200093 [2]上海出入境检验检疫局工业品与原材料检测技术中心,上海200135

出　　处：《光谱学与光谱分析》

基　　金：国家重点研发计划项目(2018YFF0215400,2017YFF0108905)资助。

年　　份：2020

卷　　号：40

期　　号：8

起止页码：2640-2646

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PUBMED、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：铁矿石是钢铁工业的重要原材料,不同产地、品牌的进口铁矿石在元素组成、含量上存在差异,进口铁矿石掺杂、掺假、以次充好等现象虽集中于个案,却危害经济安全。故建立主要进口国铁矿石产地与品牌的快速识别模型,对支撑进口铁矿石的风险监管,保障贸易便利化。该研究对象为澳大利亚、南非、巴西3个国家共14个品牌的236份进口铁矿石样品,包括皮尔巴拉混合粉(块)、杨迪粉铁矿,纽曼混合粉(块)铁矿、津布巴混合粉铁矿、国王粉、弗特斯克混合粉、昆巴标准粉(块)、卡拉加斯铁矿石等。应用波长色散-X射线荧光光谱无标样分析法测定所有研究样品的元素组成及含量,检出元素包括Fe, O, Si, Ca, Al, Mn, Tb, Ti, Mg, P, K, S, Cr, Na, Sr, Zr, Zn, V, Cu, Gd, Ba, Cl, Ni和Co,共计24种,选择其中Fe, O, Si, Ca, Al, Mn, Tb, Ti, Mg, P, Cr和S共12种所有样品全部检出的元素进行判别分析。采用逐步判别法筛选出Fe, O, Si, Ca, Al, Mn, Ti, Mg, P和S共10个元素含量作为有效变量,建立二维Fisher判别模型,实现对澳大利亚、南非、巴西进口铁矿石的识别,模型对建模样品识别正确率为97.40%,交叉验证正确率为95.30%,对测试样品的识别正确率达到95.50%。针对14种品牌铁矿石,使用Fe, O, Si, Ca, Al, Mn, Ti, Mg, P和S共10种元素含量,建立十维Fisher判别模型,模型对建模样品识别正确率为100%,交叉验证正确率为97.90%,对测试样品的识别正确率达到100%。波长色散-X射线荧光光谱无标样分析虽然是一种半定量分析方法,但分析快速,稳定性好,该方法结合逐步判别-Fisher判别分析,能实现对铁矿石产地与品牌的识别。

关 键 词：铁矿石 X射线荧光光谱 判别分析  产地  品牌  

分 类 号：O657.3]