Адаптивная оптимизация метода роя частиц на основе нейронной сети на радиальном базисе для классификации почв с помощью лазерно-искровой эмиссионной спектроскопии

Для классификации и идентификации стандартных образцов почвы использовано сочетание лазерно-искровой эмиссионной спектроскопии (LIBS) с адаптивной оптимизацией метода роя частиц на основе нейронной сети на радиальном базисе (APSO-RBF). Вычислительную сложность и избыточность исходных данных можно уменьшить путем выбора главных компонент спектральных данных LIBS в качестве входных, при этом образцы классифицировать быстро и точно. Для идентификации образцов почвы из 10 регионов в качестве входных данных модели APSO-RBF использованы шесть первых главных компонент, точность классификации тестового набора 98.81%. Производительность предлагаемой модели выше по сравнению с алгоритмами обратного распространения, APSO-RBF и RBF. Показано, что сочетание LIBS с моделью APSO-RBF значительно повышает точность идентификации почвы.

1. J. R. Bacon, O. T. Butler, W. R. L. Cairns, O. Cavoura, J. M. Cook, C. M. Davidson, R. Mertz-Kraus, J. Anal. At. Spectrometry, 39, No. 1, 11–65 (2024), doi: 10.1039/d3ja90044d.

2. W. Yang, F. Li, S. Lyu, Q. Zhang, Y. Zhao, J. Anal. At. Spectrometry, 38, No. 9, 1830–1840 (2023), doi: 10.1039/d3ja00120b.

3. B. M. Butler, J. Palarea-Albaladejo, K. D. Shepherd, K. M. Nyambura, E. K. Towett, A. M. Sila, S. Hillier, Geoderma, 375 (2020), doi: 10.1016/j.geoderma.2020.114474.

4. A. L. Sikora, L. W. Maguire, R. W. Nairn, R. C. Knox, Environ. Monitoring and Asses., 193, No. 8 (2021), doi: 10.1007/s10661-021-09275-9.

5. S. Krzebietke, M. Daszykowski, H. Czarnik-Matusewicz, I. Stanimirova, L. Pieszczek, S. Sienkiewicz, J. Wierzbowska, Talanta, 251 (2023), doi: 10.1016/j.talanta.2022.123749.

6. J. G. Decaillon, M. Bickel, C. Hill, T. Altzitzoglou, Appl. Rad. and Isotopes, 61, No. 2-3, 409–413 (2004), doi: 10.1016/j.apradiso.2004.03.016.

7. S. Zhu, L. Gao, M. Zheng, H. Liu, B. Zhang, L. Liu, Y. Wang, Talanta, 118, 210–216 (2014), doi: 10.1016/j.talanta.2013.09.044.

8. J. Ning, J. Zhao, L. Meng, Y. Yang, Anal. Lett., 48, No. 6, 1021–1029 (2015), doi: 10.1080/00032719.2014.966375.

9. D. Zhang, J. Nie, H. Ma, X. Niu, S. Shi, F. Chen, L. Guo, X. Ji, Anal. Chim. Acta, 1236 (2022), doi: 10.1016/j.aca.2022.340552.

10. J. Wang, X. Hao, B. Pan, X. Huang, H. Sun, P. Pei, Opt. Express, 31, No. 5 (2023), doi: 10.1364/oe.481822.

11. X. Zhang, Y. Ge, E. Wan, Y. Liu, J. Yao, Plasma Sci. Technol., 24, No. 8 (2022), doi: 10.1088/20586272/ac639b.

12. R. Gaudiuso, E. Ewusi-Annan, W. Xia, N. Melikechi, Spectrochim. Acta B: At. Spectrosc., 171 (2020), doi: 10.1016/j.sab.2020.105931.

13. W. Zhao, C. Li, C. Yan, H. Min, Y. An, S. Liu, Anal. Chim. Acta, 1166 (2021), doi: 10.1016/j.aca.2021.338574.

14. J. Qi, T. Zhang, H. Tang, H. Li, Spectrochim. Acta B: At. Spectrosc., 149, 288–293 (2018), doi: 10.1016/j.sab.2018.09.006.

15. J. Moros, L. M. Cabalín, J. J. Laserna, Anal. Chim. Acta, 1191 (2022), doi: 10.1016/j.aca.2021.339294.

16. D. Zhang, J. Ding, Z. Feng, R. Yang, Y. Yang, S. Yu, B. Xie, J. Zhu, Spectrochim. Acta B: At. Spectrosc., 180 (2021), doi: 10.1016/j.sab.2021.106192.

17. X. Jin, G. Yang, X. Sun, D. Qu, S. Li, G. Chen, C. Li, D. Tian, L. Yao, J. Anal. Atom. Spectrometry, 38, No. 1, 243–252 (2023), doi: 10.1039/d2ja00290f.

18. M. Yao, G. Fu, T. Chen, M. Liu, J. Xu, H. Zhou, X. He, L. Huang, J. Anal. At. Spectrometry, 36, No. 2, 361–367 (2021), doi: 10.1039/d0ja00317d.

19. D. Stefas, N. Gyftokostas, S. Couris, Spectrochim. Acta B: At. Spectroscopy, 172 (2020), doi: 10.1016/j.sab.2020.105969.

20. H. Li, T. Liu, Y. Fu, W. Li, M. Zhang, X. Yang, D. Song, J. Wang, Y. Wang, M. Huang, Chin. Opt. Lett., 21, No. 4 (2023), doi: 10.3788/col202321.043001.

21. G. Song, S. Zhu, W. Zhang, B. Hu, F. Zhu, H. Zhang, T. Sun, K. T. V. Grattan, Appl. Optics, 61, No. 35 (2022), doi: 10.1364/ao.472220.

22. W. Hao, X. Hao, Y. Yang, X. Liu, Y. Liu, P. Sun, R. Sun, J. Anal. At. Spectrometry, 36, No. 11, 2509–2518 (2021), doi: 10.1039/d1ja00078k.

23. Q. Li, Q. Xiong, S. Ji, Y. Yu, C. Wu, H. Yi, Neurocomputing, 431, 7–22 (2021), doi: 10.1016/j.neucom.2020.12.032.

24. Z. Luo, L. Zhang, T. Chen, M. Liu, J. Chen, H. Zhou, M. Yao, Appl. Optics, 58, No. 7 (2019), doi: 10.1364/ao.58.001631.

25. S. Vijh, P. Gaurav, H. M. Pandey, Neural Comp. Appl., 35, No. 33, 23711–23724 (2020), doi: 10.1007/s00521-020-05362-z.

26. A. A. Yahya, A. Osman, M. S. El-Bashir, Swarm and Evolutionary Comp., 34, 18–32 (2017), doi: 10.1016/j.swevo.2016.11.005.

27. O. Hamdy, Z. Abdel-Salam, M. Abdel-Harith, Appl. Opt., 61, No. 34 (2022), doi: 10.1364/ao.470835.

28. J. Wang, X. Hao, B. Pan, X. Huang, H. Sun, P. Pei, Opt. Lett., 48, No. 2 (2023), doi: 10.1364/ol.478629.

29. J. Chen, X. Hao, B. Mo, S. Li, J. Ma, X. Liang, Z. Wang, H. Zhang, J. Anal. At. Spectrometry, 39, No. 10, 2382–2394 (2024), doi: 10.1039/d4ja00143e.

30. J. Chen, J. Pisonero, S. Chen, X. Wang, Q. Fan, Y. Duan, Spectrochim. Acta B: At. Spectroscopy, 166 (2020), doi: 10.1016/j.sab.2020.105801.

31. H. Jin, X. Hao, B. Mo, J. Anal. At. Spectrometry, 38, No. 11, 2280–2290 (2023), doi: 10.1039/d3ja00254c.

32. C. Wang, J. Wang, J. Wang, H. Du, J. Wang, Laser Phys., 31, No. 3 (2021), doi:10.1088/15556611/abdfc8.

33. H. Jin, X. Hao, N. Li, Y. Han, B. Mo, S. Zhang, J. Anal. At. Spectrometry, 39, No. 7 (2024), doi: 10.1039/d4ja00062e.

34. Q. Zeng, G. Chen, W. Li, Z. Li, J. Tong, M. Yuan, B. Wang, H. Ma, Y. Liu, L. Guo, H. Yu. Plasma Sci. Technol., 24, No. 8 (2022), doi: 10.1088/2058-6272/ac72e3.

35. N. d. A. Porto, J. V. Roque, C. A. Wartha, W. Cardoso, L. A. Peternelli, M. H. P. Barbosa, R. F. Teófilo, Spectrochim. Acta A: Mol. Biomolec. Spectrosc., 218, 69–75 (2019), doi: 10.1016/j.saa.2019.03.114.