факультет машиностроения и электронной инженерии
Цзиндэчжэнь
Qingzhou Li
School of Mechanical and Electronic Engineering
Jingdezhen
факультет машиностроения и электронной инженерии
Цзиндэчжэнь
Ruiya Xu
School of Mechanical and Electronic Engineering
Jingdezhen
факультет машиностроения и электронной инженерии
Цзиндэчжэнь
Wen Han
School of Mechanical and Electronic Engineering
Jingdezhen
факультет машиностроения и электронной инженерии
Цзиндэчжэнь
Shenrui Yu
School of Mechanical and Electronic Engineering
Jingdezhen
факультет машиностроения и электронной инженерии
Цзиндэчжэнь
Han Xu
School of Mechanical and Electronic Engineering
Jingdezhen
факультет машиностроения и электронной инженерии
Цзиндэчжэнь
Chunfa Dong
School of Mechanical and Electronic Engineering
Jingdezhen
факультет машиностроения и электронной инженерии
Цзиндэчжэнь
Lei Xu
School of Mechanical and Electronic Engineering
Jingdezhen
В лазерно-искровой эмиссионной спектроскопии (LIBS) точность количественного определения с помощью традиционных стандартных методов калибровки часто неудовлетворительна главным образом из-за матричного эффекта. Для уменьшения влияния матричного эффекта предложен новый метод, названный кластеризацией по удельной интенсивности (SIC). Удельная интенсивность, определяемая как отношение интенсивности спектра к концентрации элемента, считается важной характеристикой образца. Эти характеристики способствуют эффективной кластеризации калибровочных образцов, что позволяет создавать множество более надежных калибровочных кривых. Путем объединения кластеризованных калибровочных образцов с алгоритмами машинного обучения создана классификационная модель. Неизвестные образцы могут быть классифицированы с помощью классификационной модели и предсказаны с помощью соответствующей калибровочной кривой. Практическая применимость предложенного метода SIC подтверждена путем обнаружения CaO, TFe2O3 и Li в образцах горных пород. По сравнению с традиционными стандартными методами калибровки метод SIC значительно снизил средние относительные ошибки прогнозируемого набора (AREP) для обнаруженных элементов CaO, TFe2O3 и Li в горных породах, при этом AREP уменьшились с 25.292, 14.114 и 14.12 % до 6.165, 5.481 и 5.137 % соответственно.
In laser-induced breakdown spectroscopy (LIBS), the quantitation accuracy with traditional standard calibration methods is often unsatisfactory, mainly because of the matrix effect. In this work, a novel method named specific-intensity clustering (SIC) was proposed to mitigate the influence of the matrix effect. The specific-intensity, which is defined as the ratio of the spectrum intensity to element concentration, is considered an essential characteristic of a sample. These specific-intensity features facilitate the effective clustering of calibration samples, thereby enabling the establishment of multiple, more robust, calibration curves. By combining the clustered calibration samples with machine-learning algorithms, a classification model was established. Unknown samples can be classified by the classification model and predicted by the proper calibration curve. The feasibility of the proposed SIC method was verified through the detection of CaO, TFe2O3, and Li in rock samples. Compared with traditional standard calibration methods, the SIC method significantly reduced the average relative errors of the prediction set (AREPs) for the detected CaO, TFe2O3, and Li elements in rocks, with the AREPs decreasing from 25.292, 14.114, and 14.12 % to 6.165, 5.481, and 5.137 %, respectively. This work demonstrates that the SIC method has excellent potential for reducing the influence of the matrix effect in LIBS quantitation.
The authors declare that there are no conflicts of interest present.