第33卷，第5期 2013年5月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 33,No. 5,pp1392-1396
May，2013
基于PCA-BP神经网络的EDXRF分析测定地质样品中
铁、钛元素含量的应用研究
徐立鹏，葛良全，，谷整，刘敏，张庆贤，李
飞，罗斌
成都理工大学，四川成都610059
摘要为实现地质样品中元索含量的准确预测，提出了基于主成分分析(PCA)的改进型BP神经网络模型。采用X荧光光谱法，对新疆西天山地质样品中Fe，Ti，V，Pb和Zn等元素进行测量，将得到的X荧光计数作为输人变量，应用该模型对未知地质样品中Fe和Ti元素进行定量预测。结果表明：主成分分析与改进型BP神经网络模型取得了较好的预测效果，预测结果与化学分析值的相对误差小于3%，为地质样品元素含量预测提供了一种新型有效的方法。
关键词能量色散X荧光(EDXRF)；主成分分析(PCA)；主成分-误差反向传播网络(PCA-BP)；地质样品
中图分类号：0657.3
引言
文献标识码：A
DOI: 10.3964/j.issn.1000-0593(2013)05-1392-05
采用粉末压样片法制样，首先将地质样品放在105～110℃ 的温度下烘干2h，降低混度效应的影响，再经粉碎、研磨达
应用能量色散X射线荧光(EDXRF)光谱分析地质样品中的元素时，由于放射性统计涨落、吸收-增强效应以及仪器本身等诸多因素的影响，对基体比较复杂的地质样品中各元素含量的准确定量测量难度较大，EDXRF分析得到的待测元素X射线计数与元素含量之间具有非线性关系，而采用纯数学理论、基体效应校正及经验系数法进行分析均存在较大的局限性(")，很难捕提到待测元素与其他元素之间的关系以及建立理想的模型，更不能给出地质样品中元索含量的预测值。基于X荧光光谐分析的特点，结合PCA-BP神经网络模型的特性，对新疆西天山地质样品中具有吸收-增强效应的Fe和Ti元素含量进行预测，为地质样品元素含量的分析预测提供了一种有效的方法。
实验部分 1
采用的IED-2000T型手持式能量色散X荧光分析仪，由探头、主机、电源等部分构成。X光管激发、新型致冷 Si-PIN型半导体探测器的，能量分辨率可达到180eV("Fe 5.90keV)，对常规元素具有较高的分析精度。
实验所选用的皆为新疆西天山的地质样品，共165组。收稿日期：2012-07-23，修订日期：2012-10-25
到200目以上，减小不均匀效应的影响[3)，最后将样品装人样杯后压片测量，每个样品测量时间400s
2
原理与方法
对EDXRF测量得到的目标元索特征X射线计数，通过
主成分分析对高维（输人变量)数据进行预处理，得到低维主元变量，再利用改进型BP神经网络模型建立新的输人变量和元素含量之间的非线性关系，从而实现对地质样品元素含
量的定量分析预测。 2.1
PCA-BP神经网络模型
PCA-BP神经网络模型是主成分分析和误差反向传播网络相结合的一种数据融合模型[3（图1)，是对可测高维数据（输入变量)降维得到主成分，在无需事前揭示描述映射关系数学方程的情况下，利用改进型BP神经网络，以任意精度通近任何非线性连续函数及解释输人变量和输出量之间的非线性关系。
2.2主成分分析
主成分分析法是一种数据压缩和研究多变量间相关性的多元统计方法。由于原始数据维数高，变量间存在相关关系，因此很难直接获取它们的主要信息。主成分分析法能较
基金项目：国家(863计划)项目(2012AA061803)和国家自然科学基金项目(41074093)资助
作者简介：徐立鹏，1987年生，成都理工大学核技术及应用硕士研究生
*通讯联系人
万方数据
e-mail; glq@cdut. edu. cn
e-mail; xulipeng-cdut163, com