文献类型：期刊文章

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

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

机构地区：[1]上海海关工业品与原材料检测技术中心,上海200135 [2]上海理工大学理学院化学系,上海200093

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：2021

卷　　号：41

期　　号：1

起止页码：285-291

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、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,我国是铁矿石进口需求型国家,是世界铁矿石消费第一大国。海关对进口铁矿石检验的主要目标是预防进口铁矿石中涉及安全、卫生、环保、欺诈等方面的风险。对进口铁矿石产地及品牌进行符合性验证,可以快速筛选掺杂、掺假、以次充好,支撑进口铁矿石的风险管理,保障贸易便利化。在前期研究基础上进行应用拓展,研究对象为澳大利亚、南非、巴西、哈萨克斯坦、印度5个国家、21个品牌的422份进口铁矿石样品。考察了波长色散-X射线荧光光谱无标样分析方法的准确度,对于测量过程中未检出的元素含量,选择了用检测限替代缺失值。对于测量过程中的异常值,使用基于剩余方差的F检验进行异常值的剔除,皮尔巴拉混合块、纽曼混合块铁矿、纽曼混合粉铁矿各有一组数据计算得出的F统计量大于F检验临界值(a=0.01),因此将这3组数据剔除。采用逐步判别法筛选出Fe,O,Si,Ca,A l,Mn,Ti,Mg,P,Na,Cr,K,Sr,S,Zn,V,Cu,Ba,Ni,Mo,Pb共21个元素的含量作为产地识别模型的特征变量,建立四维Fisher判别模型,实现了对铁矿石产地的识别;采用逐步判别法筛选出Fe,O,Si,Ca,Al,Mn,Ti,Mg,P,Na,Cr,K,Sr,S,Zr,Zn,V,Cu,Ba,Cl,Ni,Mo和Pb共23种元素含量作为品牌识别模型的特征变量,建立二十维Fisher判别模型,实现对21种品牌铁矿石的识别。考察了特征元素对分类识别模型的贡献,并分析了误判品牌铁矿石的元素特征。总结出进口铁矿石产地及品牌判别分析模型的整体数据处理流程。

关 键 词：铁矿石 X射线荧光光谱 缺失值 异常值 判别分析  

分 类 号：O657.3]