• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于FOA-LSSVM混合優(yōu)化模型鈦鐵間基體效應(yīng)的校正研究

    2013-02-23 08:44:14庹先國(guó)劉明哲
    核技術(shù) 2013年12期
    關(guān)鍵詞:模型

    李 磊 庹先國(guó) 劉明哲 李 哲 王 俊

    基于FOA-LSSVM混合優(yōu)化模型鈦鐵間基體效應(yīng)的校正研究

    李 磊1,2庹先國(guó)1,3劉明哲1,2李 哲1,2王 俊1,2

    1(成都理工大學(xué) 地學(xué)核技術(shù)四川省重點(diǎn)實(shí)驗(yàn)室 成都 610059)
    2(成都理工大學(xué) 地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國(guó)家重點(diǎn)實(shí)驗(yàn)室 成都 610059)
    3(西南科技大學(xué) 核廢物與環(huán)境安全國(guó)防重點(diǎn)學(xué)科實(shí)驗(yàn)室 綿陽 621010)

    提出用果蠅算法(FOA)優(yōu)化最小二乘支持向量機(jī)(LSSVM)的混合模型校正能量色散X熒光(EDXRF)分析中鐵和鈦的基體效應(yīng)。使用國(guó)產(chǎn)CIT-3000SMEDXRF分析儀、電制冷半導(dǎo)體探測(cè)器測(cè)得五類礦樣共80組光譜數(shù)據(jù),每類礦樣16組光譜數(shù)據(jù)。運(yùn)用FOA優(yōu)化LSSVM的參數(shù)并建立最優(yōu)模型預(yù)測(cè)30個(gè)樣本的鈦鐵含量,對(duì)比化學(xué)分析值,F(xiàn)OA-LSSVM預(yù)測(cè)的鈦、鐵元素含量與化學(xué)分析值的相對(duì)誤差在1%以內(nèi)的共26個(gè)樣本,占總量的86.67%;其余4個(gè)樣本的鈦鐵含量預(yù)測(cè)值與化學(xué)分析值一致,占總量的13.33%。另外,運(yùn)用粒子群算法(PSO)、遺傳算法(GA)優(yōu)化的LSSVM和MATLAB默認(rèn)的LSSVM模型預(yù)測(cè)鈦鐵含量,將其與FOA-LSSVM模型預(yù)測(cè)的結(jié)果進(jìn)行了對(duì)比。綜合研究表明,F(xiàn)OA-LSSVM能夠?qū)崿F(xiàn)鈦鐵元素間基體效應(yīng)的校正,是一種優(yōu)選方法。

    果蠅算法,基體效應(yīng),能量色散X射線熒光,最小二乘支持向量機(jī)

    用能量色散X射線熒光(Energy dispersive X-ray fluorescence analysis,EDXRF)法分析試樣,樣品基體的變化使待測(cè)元素含量與該元素的特征X射線計(jì)數(shù)之間呈現(xiàn)一種復(fù)雜的關(guān)系(基體效應(yīng))[1],影響含量定量計(jì)算的準(zhǔn)確度。對(duì)于鈦鐵礦樣,基體效應(yīng)主要表現(xiàn)為吸收-增強(qiáng)效應(yīng),元素的少量變化就會(huì)引起特征X射線計(jì)數(shù)率的顯著變化[2],是誤差的主要來源之一,且客觀存在。因此,準(zhǔn)確測(cè)量鈦鐵元素含量就必須進(jìn)行吸收-增強(qiáng)效應(yīng)校正。

    元素間的吸收-增強(qiáng)效應(yīng)與元素組成相關(guān),校正難度大。傳統(tǒng)的校正方法有實(shí)驗(yàn)校正法、參比校正法、數(shù)學(xué)校正法。除基本參數(shù)法外,這三類方法的準(zhǔn)確度在很大程度上依賴于標(biāo)樣的準(zhǔn)確度和標(biāo)樣與待測(cè)試樣的相似性[3],屬于相對(duì)測(cè)量法。基本參數(shù)法[1]將元素間效應(yīng)加以量化,基于XRF熒光強(qiáng)度和元素含量的基本公式,根據(jù)物質(zhì)的吸收、X射線發(fā)射特征、激發(fā)與探測(cè)設(shè)備的特性和幾何位置等基本參數(shù)直接計(jì)算元素含量,克服了相對(duì)測(cè)量方法的不足;但是,它所采用的很多基本參數(shù)很難確定,難以獨(dú)立地進(jìn)行測(cè)定,參數(shù)數(shù)據(jù)的準(zhǔn)確性較差[1]。近年來,隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展,有學(xué)者運(yùn)用RBF神經(jīng)網(wǎng)絡(luò)技術(shù)校正基體效應(yīng),取得了不錯(cuò)的效果[2];另有學(xué)者運(yùn)用粒子群算法和支持向量機(jī)的混合模型對(duì)元素的含量進(jìn)行了預(yù)測(cè)研究,得到較高的精度[4]。

    果蠅算法(Fruit Fly Optimization Algorithm, FOA)[5]是臺(tái)灣學(xué)者潘文超基于果蠅覓食行為而推演出的尋求全局優(yōu)化的新方法,具有簡(jiǎn)單、快速、易實(shí)現(xiàn)、并行搜尋、強(qiáng)勁的全局尋優(yōu)能力等特點(diǎn)。 作為一種新的智能算法,到目前為止,其應(yīng)用還很少,結(jié)合支持向量機(jī)的應(yīng)用更少,還沒有用于基體效應(yīng)的校正。因此,文中提出了用果蠅算法優(yōu)化最小二乘支持向量機(jī)的混合模型來進(jìn)行基體效應(yīng)的校正。

    1 方法與原理

    1.1儀器設(shè)備

    實(shí)驗(yàn)使用國(guó)產(chǎn)CIT-3000SMEDXRF分析儀、X光管、電制冷半導(dǎo)體探測(cè)器能量分辨率為150?180eV (55Fe,5.9 keV)。實(shí)驗(yàn)環(huán)境溫度為25 °C,管電壓為12.25 kV,管電流為25.68 μA。

    1.2樣品來源及數(shù)據(jù)獲取

    五類礦樣(鐵精礦、鐵尾礦、鈦精礦、鈦尾礦、原礦)均采自攀枝花礦區(qū),共80組樣本,每類礦樣各16組,每組約4 kg。為了保證均勻性,降低表面效應(yīng),實(shí)驗(yàn)前,經(jīng)過粉碎、研磨、干燥,過篩180目,在110 °C左右烘干,用粉末壓片法制樣,壓力為25 kN,為降低形變影響,測(cè)量前有90 s的壓力恢復(fù)時(shí)間。然后對(duì)制好的樣品進(jìn)行測(cè)量,每組測(cè)量3次,單次測(cè)量300 s,取對(duì)應(yīng)道址的X射線計(jì)數(shù)率3次測(cè)量的平均值作為最終分析的計(jì)數(shù)率。

    1.3最小二乘支持向量機(jī)

    最小二乘支持向量機(jī)[6]是Suykens于1999年基于標(biāo)準(zhǔn)支持向量機(jī)(SVM)提出的一種改進(jìn)方法,同SVM一樣,能夠很好地克服神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)間長(zhǎng)、訓(xùn)練結(jié)果存在隨機(jī)性和過度學(xué)習(xí)等不足[7],且最小二乘支持向量機(jī)具有更快的求解速度,所以在處理復(fù)雜非線性系統(tǒng)時(shí),日益受到青睞。運(yùn)用LSSVM時(shí),有兩個(gè)問題必須考慮:一是核函數(shù)的選擇;二是懲罰因子c和核函數(shù)參數(shù)g的選擇。核函數(shù)的確定標(biāo)志著整個(gè)系統(tǒng)的優(yōu)化準(zhǔn)則的確定,它有很多類型,如線性、多項(xiàng)式、徑向基等,考慮到基體效應(yīng)的復(fù)雜性,本文選擇徑向基函數(shù)作為核函數(shù)。

    c和g參數(shù)的選擇直接影響算法的性能[8],但到目前為止,沒有共同的選擇標(biāo)準(zhǔn)。有學(xué)者使用梯度下降法來選擇參數(shù)[9],但靠近極小值的速度慢,直線搜索,易陷入局部最優(yōu);還有學(xué)者使用免疫算法來減小選擇參數(shù)的盲目性[10],但多樣性差、算法實(shí)現(xiàn)困難;也有學(xué)者使用遺傳算法選取參數(shù)[11],但遺傳算法需經(jīng)歷編碼、解碼、復(fù)制、交叉、變異的復(fù)雜過程,所以搜索速度慢,且易陷入“早熟”;另有學(xué)者使用粒子群算法選擇參數(shù)取得了不錯(cuò)效果[12],但對(duì)于離散型的問題效果不佳,易陷入局部最優(yōu)。

    1.4果蠅算法

    果蠅算法是一種模擬果蠅覓食的新的全局尋優(yōu)方法,利用簡(jiǎn)單的覓食行為來表征復(fù)雜的現(xiàn)象,其簡(jiǎn)單、快速,以及固有的并行機(jī)制和強(qiáng)勁的搜尋能力等特點(diǎn),使它具有廣闊的應(yīng)用前景。果蠅算法的主要過程[5]是:

    首先,將果蠅群體置于隨機(jī)位置,本文賦予其坐標(biāo)為:

    然后,果蠅個(gè)體在任意方向上利用嗅覺尋找食物,利用味道濃度判定值S(i)確定食物大致位置:

    式中,i=1, 2, …, sizepop。

    最后,利用味道判定函數(shù)(本文采用訓(xùn)練樣本的均方差)求出果蠅各體位置的味道濃度Smell(i),從而求出果蠅群體中具有最佳味道濃度的果蠅:

    保留該濃度位置,隨之果蠅群體向此方向聚集循環(huán)搜尋:

    1.5果蠅算法優(yōu)化LSSVM參數(shù)(c, g)的過程

    圖1為混合模型的流程圖。利用FOA-LSSVM混合模型優(yōu)化選擇時(shí),每一個(gè)果蠅味道濃度值代表LSSVM的一組參數(shù)(c, g)。具體步驟為:

    圖1 提出的混合模型的流程圖Fig.1 A flow chart of the proposed hybrid model.

    (1) 導(dǎo)入樣本集,并進(jìn)行預(yù)處理;

    (2) 初始化FOA參數(shù),在[1,2]之間隨機(jī)產(chǎn)生果蠅群體位置,確定迭代次數(shù)maxgen=100,設(shè)定種群規(guī)模sizepop=20;

    (3) 隨機(jī)初始化果蠅個(gè)體搜尋食物的方向與距離區(qū)間,并計(jì)算出與原點(diǎn)的距離D(i);

    (4) 求出味道濃度判定值S(i),S(i)=1/D(i);

    (5) 初始化LSSVM參數(shù)(c, g)并代入FOA-LSSVM進(jìn)行訓(xùn)練,將預(yù)測(cè)誤差的平方和作為味道判定函數(shù),求出味道濃度Smell(i);

    (6) 求出味道濃度最低的果蠅,尋找初始極值,即誤差平方和最?。?/p>

    (7) 通過保留最佳初始位置及初始味道濃度,利用視覺尋找伙伴聚集味道濃度最高之處;

    (8) 果蠅迭代尋優(yōu),重復(fù)執(zhí)行步驟(3)?(6),判斷預(yù)測(cè)誤差平方和是否由于前一迭代預(yù)測(cè)誤差平方和,若是則執(zhí)行步驟(7)。

    2 結(jié)果與分析

    2.1特征X射線的類Gauss擬合

    實(shí)驗(yàn)測(cè)得的光譜由大量離散點(diǎn)組成,為了分析計(jì)算譜峰面積和峰位等信息,需要對(duì)離散點(diǎn)進(jìn)行曲線擬合。能譜中元素的特征峰為規(guī)則和不規(guī)則的類高斯形,為此,本文采用高斯擬合。擬合函數(shù)如下:

    式中,各符號(hào)如圖2(a)所示,(x1,y1)為峰位;(y1?y0)/2為半高峰值;w1為半高寬(FWHM);y0為本底值;ξ為二次誤差項(xiàng);;

    圖2 類Gauss函數(shù)描述(a)和測(cè)量能譜的類Gauss擬合結(jié)果(b)Fig.2 Description of Gauss function (a) and characteristic X-ray peaks fitted by the Gauss function (b).

    圖2 (b)是類高斯擬合譜。此高斯模型能對(duì)Fe和Ti擬合并且區(qū)分疊加峰。采用牛頓柯西積分法[13]獲得特征峰凈面積計(jì)數(shù)率,經(jīng)過能量刻度的轉(zhuǎn)換得其能量。Fe的Kα1X射線能量為6.403 keV,Ti的K系吸收限能量為4.965 keV,因此,將4.038?8.364keV(對(duì)應(yīng)的道址為200?500 ch)能譜段的X射線計(jì)數(shù)率作為分析Ti-Fe元素間影響特征的譜段,該能譜段包含了Ti、Fe及V、Ni、Cu、Zn元素的X射線能量峰。

    礦樣中含有Si、P、O、Fe、Ti、Cu、Ni、V、Zn等元素,其中Si、P、O含量還比較大,但這三者的特征X射線能量和吸收限與后六者相差甚大(表1),吸收增強(qiáng)效應(yīng)可忽略[1]。表2為礦樣中Fe、Ti、Cu、Ni、V、Zn元素含量的化學(xué)分析結(jié)果,后四者含量非常少,吸收增強(qiáng)效應(yīng)也可忽略[1]。所以,只需考慮鈦鐵之間的吸收增強(qiáng)效應(yīng)。

    表1 礦樣中9種元素的吸收限能量和元素特征X射線能量Table 1 Absorption edge energy and element characteristic X-ray energy of 9 elements in ore samples.

    表2 礦樣中元素含量的化學(xué)分析結(jié)果Table 2 Chemical analysis results of the mineral elements content in the sample.

    2.2FOA-LSSVM混合模型預(yù)測(cè)結(jié)果

    將測(cè)得的80組數(shù)據(jù)(包含能譜數(shù)據(jù)和鈦鐵含量)歸一化,選取其中的50組數(shù)據(jù)作為模型的訓(xùn)練集,另30組數(shù)據(jù)作為模型的測(cè)試集。其中,將能譜數(shù)據(jù)作為輸入向量,對(duì)應(yīng)的鈦鐵含量作為目標(biāo)向量,對(duì)五類礦樣分別建立相應(yīng)的FOA-LSSVM模型預(yù)測(cè)Ti、Fe元素的含量,預(yù)測(cè)結(jié)果如表3所示。表3中,化學(xué)分析值是由分光光度計(jì)連續(xù)三次測(cè)量后的平均值,其相對(duì)誤差均在±0.15%以內(nèi),可信度95%,F(xiàn)OA-LSSVM混合模型的預(yù)測(cè)值僅一個(gè),因此,用化學(xué)分析值與FOA-LSSVM混合模型的預(yù)測(cè)值的相對(duì)誤差來表征預(yù)測(cè)結(jié)果的準(zhǔn)確度。

    表3 FOA-LSSVM混合模型對(duì)礦樣中鈦鐵元素含量預(yù)測(cè)結(jié)果及其相對(duì)誤差分析Table 3 Predicted results of Ti and Fe contents in the ore samples analyzed by FOA-LSSVM hybrid model and the relative error analysis.

    表3統(tǒng)計(jì)了FOA-LSSVM混合模型對(duì)30個(gè)樣本的鈦鐵元素含量的預(yù)測(cè)結(jié)果,F(xiàn)OA-LSSVM混合模型預(yù)測(cè)的鈦、鐵元素含量與化學(xué)分析值的相對(duì)誤差有26個(gè)在1%以內(nèi),占總量的86.67%;其余4個(gè)樣本的鈦、鐵含量的預(yù)測(cè)值與化學(xué)分析值一致,占總量的13.33%,顯著優(yōu)于一般工業(yè)生產(chǎn)儀器中相對(duì)誤差的標(biāo)準(zhǔn)(小于5%)。表明該模型預(yù)測(cè)鈦鐵含量的準(zhǔn)確度非常高,很好地實(shí)現(xiàn)了Ti-Fe元素間吸收增強(qiáng)效應(yīng)的校正。

    2.3四種模型預(yù)測(cè)結(jié)果對(duì)比

    用FOA-LSSVM、PSO-LSSVM、GA-LSSVM和LSSVM四種模型對(duì)礦樣中鈦鐵含量進(jìn)行了預(yù)測(cè),為了更加清晰地展示結(jié)果,本文將鈦鐵分開作圖。圖3(a)?(d)分別是四種方法對(duì)鐵含量的預(yù)測(cè)圖及其局部放大圖,鈦含量的預(yù)測(cè)圖及其局部放大圖。由圖3,果蠅算法、粒子群算法、遺傳算法優(yōu)化的LSSVM預(yù)測(cè)結(jié)果明顯優(yōu)于未經(jīng)優(yōu)化的LSSVM;全局上看,F(xiàn)OA-LSSVM、PSO-LSSVM、GA-LSSVM預(yù)測(cè)的結(jié)果十分接近,但從局部放大圖看,PSO-LSSVM、GA-LSSVM局部波動(dòng)較大,而FOA-LSSVM幾乎沒有波動(dòng),表明FOA-LSSVM模型要優(yōu)于其他模型。

    圖3 化學(xué)分析值和不同模型預(yù)測(cè)值的對(duì)比(a) 鐵,(b) (a)的局部放大圖,(c) 鈦,(d) (c)的局部放大圖Fig.3 Comparison between chemical analysis values and the predicted values analyzed by different models. (a) Fe, (b) Partial enlarged details of (a), (c) Ti, (d) Partial enlarged details of (c),

    表4統(tǒng)計(jì)了四種模型對(duì)30個(gè)樣本的鈦鐵含量預(yù)測(cè)的均方差,F(xiàn)OA-LSSVM模型預(yù)測(cè)的鈦鐵含量的均方差最小,分別為1.1464×10?4和5.0146×10?4;PSO-LSSVM和GA-LSSVM模型鈦鐵含量的均方差非常接近,但要大于FOA-LSSVM模型,符合圖3中PSO-LSVM和GA-LSSVM模型具有波動(dòng)性;從程序運(yùn)行時(shí)間看出,果蠅算法用了107.3 s,運(yùn)行速度最快,且若增加樣本量和種群規(guī)模,更能體現(xiàn)果蠅算法的運(yùn)算速度,符合其簡(jiǎn)單、快速的特點(diǎn)。

    表4 四種模型對(duì)礦樣中鈦鐵元素含量預(yù)測(cè)結(jié)果的均方差及運(yùn)行時(shí)間Table 4 Mean square error of Ti and Fe contents in the ore samples predicted by four models and comparison of run time of four models.

    3 結(jié)語

    基體效應(yīng)嚴(yán)重影響了EDXRF定量分析的準(zhǔn)確性,如何準(zhǔn)確、快速、有效地對(duì)其進(jìn)行分析,是對(duì)科學(xué)工作者提出的新要求。最小二乘支持向量機(jī)可以解決如基體效應(yīng)等復(fù)雜的非線性問題,但不能保證全局最優(yōu)。果蠅算法強(qiáng)大的全局尋優(yōu)能力及搜尋速度快的特點(diǎn)能夠充分保證LSSVM的全局最優(yōu),顯著提高其泛化能力。因此,F(xiàn)OA-LSSVM可以用于EDXRF分析中基體效應(yīng)的校正,實(shí)現(xiàn)準(zhǔn)確的定量分析。然而,果蠅算法優(yōu)化的最小二乘支持向量機(jī)校正基體效應(yīng)只是初步的應(yīng)用,還需要更多學(xué)者在研究工作中不斷地完善,以解決更多的EDXRF分析中復(fù)雜體系難題。

    1 曹利國(guó), 丁益民, 黃志琦. 能量色散X熒光方法[M].成都: 成都科技大學(xué)出版社, 1998: 182?274

    CAO Liguo, DING Yimin, HUANG Zhiqi. Method of energy dispersive X-ray fluorescence[M]. Chengdu: Chengdu University of Science and Technology Press, 1998: 182?274

    2 李哲, 庹先國(guó), 穆克亮, 等. 礦樣中鈦鐵EDXRF分析的基體效應(yīng)和神經(jīng)網(wǎng)絡(luò)校正研究[J]. 核技術(shù), 2009, 32(1): 35?40

    LI Zhe, TUO Xianguo, MU Keliang, et al. Matrix effect and ANN correcting technique in EDXRF analysis of Ti and Fe in core samples[J]. Nuclear Techniques, 2009, 32(1): 35?40

    3 曹利國(guó). X射線熒光分析中的綜合靈敏度因子KI0和準(zhǔn)絕對(duì)測(cè)量[J]. 核技術(shù), 1987, 10(7): 15?21

    CAO Liguo. Comprehensive sensitivity factor KI0and quasi-absolute determination in XRF[J]. Nuclear Techniques, 1987, 10(7): 15?21

    4 Ren J, Liu M Z, Tuo X G, et al. Towards a hybrid optimization model for elemental content analysis in EDXRF[C]. Proceedings-International Conference on Natural Computation, 2012: 1251?1254

    5 Pan W T. A new fruit fly optimization algorithm: taking the financial distress model as an example[J]. Knowledge-Based Systems, 2012, 26: 69?74

    6 Suykens J A K, Gestel T V, Brabanter J D, et al. Least squares support vector machines[M]. Singapore: World Scientific Publishing, 2002

    7 顧燕萍, 趙文杰, 吳占松. 最小二乘支持向量機(jī)的算法研究[J]. 清華大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010, 50(7): 1063?1071

    GU Yanping, ZHAO Wenjie, WU Zhansong. Least squares support vector machine algorithm[J]. Journal of Tsinghua University (Science and Technology), 2010, 50(7): 1063?1071

    8 Guo X C, Yang J H, Wu C G, et al. A novel LS-SVMs hyper-parameter selection based on particle swarm optimization[J]. Neurocomputing, 2008, 71: 3211?3215

    9 Chapelle O, Vapnik V, Bousquet O, et al. Choosing multiple parameters for support vector machines[J]. Machine Learning, 2009, 46: 131?159

    10 Wang H, He Z. A short-term load forecasting immune support vector machines[J]. Power System Technology, 2004, 23(12): 47?51

    11 Pourbasheer E, Riahi S, Ganjali M R, et al. Application of genetic algorithm support vector machine (GA-SVM) for prediction of BK-channels activity[J]. European Journal of Medicinal Chemistry, 2009, 44: 5023?5028

    12 Liu M Z, Tuo X G, Ren J, et al. A PSO-SVM based model for alpha particle activity prediction inside decommissioned channels[J]. Lecture Note in Computer Science LNGS7367, 2012: 517?523

    13 葛哲學(xué), 孫志強(qiáng). 神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn)[M]. 北京: 電子工業(yè)出版社, 2007: 89?311

    GE Zhexue, SUN Zhiqiang. Theory of artificial neural net and MATLAB R2007 achievement[M]. Beijing: Publishing House of Electrics Industry, 2007: 89?311

    14 Bearden J A, Burr A F. Reevaluation of X-ray atomic energy levels[J]. Reviews of Modern Physics, 1967,39(1): 125?142

    CLCTL271+.7

    Calibration and research of the matrix effect between Ti and Fe based on FOA-LSSVM hybrid optimized model

    LI Lei1TUO Xianguo1,2,3LIU Mingzhe1,2LI Zhe1WANG Jun1
    1(Provincial Key Lab of Applied Nuclear Techniques in Geosciences, Chengdu University of Technology, Chengdu 610059, China)
    2(State Key Lab of Geohazard Prevention & Geoenvironment Protection, Chengdu University of Technology, Chengdu 610059, China)
    3(Laboratory of National Defense for Radioactive Waste and Environmental Security, Southwest University of Science and Technology, Mianyang 621010, China)

    Background:Matrix effect of elements is always a hot and difficult problem in energy dispersive X-ray fluorescence (EDXRF).Purpose:A hybrid model based on fruit fly optimization algorithm (FOA) to optimize the least square vector machine (LSSVM) was put forward to calibrate the matrix effect between Ti and Fe in EDXRF.Methods:The X spectrum counting rate of Ti-Fe in five kinds of ore samples was measured using a CIT-3000SMEDXRF analyzer and electrical refrigeration semiconductor detector. In total 80 groups of data, there were 16 groups of data for each kind of ore samples. FOA was utilized to optimize the parameters of LSSVM, and the optimal model was used for predicting 30 groups of samples of Ti, Fe contents. Moreover, the default LSSVM of MATLAB and the hybrid model optimized by particle swarm optimization (PSO) and genetic algorithm (GA) were applied to predict the contents of Ti and Fe. And the results predicted by FOA-LSSVM were compared with those by PSO-LLSVM, GA-LSSVM and the default LSSVM.Results:There are 26 groups with the Ti, Fe contents predicted by FOA-LSSVM bearing a relative error of 1% compared with chemical analysis values, accounting for 86.67% of the total 30 groups; another 4 groups with the predicted values equal to chemical analysis values, accounting for 13.33%. The study showed that FOA-LSSVM possessed a high prediction precision.Conclusion:Comprehensive research indicates that it is feasible to calibrate the matrix effect between Ti and Fe by FOA-LSSVM model, and the FOA-LSSVM model is a preferred method.

    Fruit fly optimization algorithm (FOA), Matrix effect, Energy dispersive X-ray fluorescence analysis (EDXRF), Least square vector machine (LSSVM)

    TL271+.7

    10.11889/j.0253-3219.2013.hjs.36.120202

    國(guó)家自然科學(xué)基金項(xiàng)目(41274109)、國(guó)家杰出青年科學(xué)基金項(xiàng)目(41025015)、四川省青年科技創(chuàng)新研究團(tuán)隊(duì)項(xiàng)目(2011JTD0013)、四川省科技支

    撐計(jì)劃(2013FZ0022)資助

    李磊,男,1989年出生,現(xiàn)為成都理工大學(xué)在讀碩士研究生,核能與核技術(shù)工程

    2013-07-16,

    2013-09-25

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機(jī)模型
    提煉模型 突破難點(diǎn)
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達(dá)及分布
    函數(shù)模型及應(yīng)用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    3D打印中的模型分割與打包
    国产成人精品久久久久久| 免费人妻精品一区二区三区视频| 免费播放大片免费观看视频在线观看| 久久6这里有精品| 性色av一级| 一级毛片aaaaaa免费看小| 亚洲经典国产精华液单| 高清日韩中文字幕在线| 插阴视频在线观看视频| 亚洲av成人精品一区久久| 一个人看的www免费观看视频| 亚洲天堂av无毛| 我要看日韩黄色一级片| 狂野欧美激情性bbbbbb| 亚洲欧美成人精品一区二区| 国产真实伦视频高清在线观看| 九色成人免费人妻av| 免费观看的影片在线观看| 99热这里只有精品一区| 久久久久久久久久人人人人人人| 日本vs欧美在线观看视频 | 久久精品夜色国产| 午夜免费观看性视频| 身体一侧抽搐| a级毛片免费高清观看在线播放| 五月天丁香电影| 99热这里只有是精品50| 中文天堂在线官网| 狂野欧美激情性xxxx在线观看| 国产黄色视频一区二区在线观看| 18+在线观看网站| 男的添女的下面高潮视频| av免费在线看不卡| 2021少妇久久久久久久久久久| 97在线人人人人妻| 天堂中文最新版在线下载| 精品久久久久久电影网| 大陆偷拍与自拍| 春色校园在线视频观看| 亚洲成人手机| videos熟女内射| 国产精品一区二区在线观看99| 国产一区二区在线观看日韩| 最近中文字幕高清免费大全6| 啦啦啦啦在线视频资源| 国产精品.久久久| 看非洲黑人一级黄片| 免费观看性生交大片5| 国产精品伦人一区二区| 国产黄片美女视频| 最新中文字幕久久久久| 亚洲色图综合在线观看| 又爽又黄a免费视频| .国产精品久久| 亚洲国产精品专区欧美| 久久午夜福利片| 亚洲精品一区蜜桃| 寂寞人妻少妇视频99o| 国产欧美另类精品又又久久亚洲欧美| 国产精品99久久99久久久不卡 | 久久久久性生活片| 亚洲欧美日韩东京热| 国产一区二区三区av在线| 美女xxoo啪啪120秒动态图| 国产乱来视频区| 亚洲欧美成人精品一区二区| 国内揄拍国产精品人妻在线| 国产精品久久久久成人av| 久久久a久久爽久久v久久| 欧美日韩一区二区视频在线观看视频在线| 国产亚洲欧美精品永久| 97精品久久久久久久久久精品| 日韩欧美一区视频在线观看 | 国产亚洲午夜精品一区二区久久| 免费在线观看成人毛片| 亚洲最大成人中文| 菩萨蛮人人尽说江南好唐韦庄| 午夜老司机福利剧场| 涩涩av久久男人的天堂| 天天躁夜夜躁狠狠久久av| av一本久久久久| 国产中年淑女户外野战色| 18+在线观看网站| 街头女战士在线观看网站| 我要看日韩黄色一级片| 狠狠精品人妻久久久久久综合| 岛国毛片在线播放| 国产欧美另类精品又又久久亚洲欧美| 国产精品久久久久久精品电影小说 | 国产男女超爽视频在线观看| 18禁裸乳无遮挡动漫免费视频| 亚洲av免费高清在线观看| 国产淫语在线视频| 亚洲欧美精品专区久久| 久久国产亚洲av麻豆专区| 亚洲精品乱码久久久v下载方式| 老司机影院毛片| 日韩大片免费观看网站| 在线免费十八禁| 久久毛片免费看一区二区三区| 国产黄频视频在线观看| 王馨瑶露胸无遮挡在线观看| 日韩电影二区| 久久国产乱子免费精品| 久久99热这里只频精品6学生| 我要看日韩黄色一级片| 亚洲电影在线观看av| 国内少妇人妻偷人精品xxx网站| 欧美日韩精品成人综合77777| 国产男女内射视频| 欧美成人一区二区免费高清观看| 热re99久久精品国产66热6| 久久精品熟女亚洲av麻豆精品| 网址你懂的国产日韩在线| 久久99精品国语久久久| 又粗又硬又长又爽又黄的视频| 卡戴珊不雅视频在线播放| 秋霞在线观看毛片| 国产免费又黄又爽又色| 亚洲经典国产精华液单| 精品久久久久久久久亚洲| 成人18禁高潮啪啪吃奶动态图 | 永久免费av网站大全| 欧美国产精品一级二级三级 | 在线精品无人区一区二区三 | 精品一品国产午夜福利视频| 黄片wwwwww| 一区二区三区免费毛片| 国产又色又爽无遮挡免| 亚洲国产av新网站| 狂野欧美白嫩少妇大欣赏| 亚洲久久久国产精品| 视频区图区小说| 午夜老司机福利剧场| 亚洲三级黄色毛片| 观看av在线不卡| 成人无遮挡网站| 亚洲三级黄色毛片| 美女主播在线视频| 春色校园在线视频观看| 欧美激情国产日韩精品一区| 97超视频在线观看视频| 欧美丝袜亚洲另类| 国产熟女欧美一区二区| 欧美少妇被猛烈插入视频| 国产精品久久久久久精品古装| 久久久久久久久久久免费av| 色哟哟·www| 欧美3d第一页| 永久网站在线| 久久97久久精品| videos熟女内射| 精品人妻偷拍中文字幕| 国产精品一区二区在线不卡| 女的被弄到高潮叫床怎么办| 亚洲第一区二区三区不卡| 日韩强制内射视频| 国产在线一区二区三区精| 国产精品一区二区性色av| 久久影院123| 国产爽快片一区二区三区| 亚洲欧美一区二区三区黑人 | 国内少妇人妻偷人精品xxx网站| 一个人看的www免费观看视频| 热re99久久精品国产66热6| 美女视频免费永久观看网站| 中文字幕久久专区| 欧美区成人在线视频| 在线观看一区二区三区| 欧美一区二区亚洲| 久久久久国产精品人妻一区二区| 国产成人a区在线观看| 欧美日韩综合久久久久久| 最黄视频免费看| 日本av手机在线免费观看| 三级国产精品片| 国产午夜精品一二区理论片| av网站免费在线观看视频| 少妇的逼好多水| 18禁裸乳无遮挡免费网站照片| 少妇精品久久久久久久| 亚洲精品日韩在线中文字幕| 国产免费一区二区三区四区乱码| 中国美白少妇内射xxxbb| 国产伦精品一区二区三区视频9| 下体分泌物呈黄色| 国产成人freesex在线| 色吧在线观看| 国产69精品久久久久777片| 99精国产麻豆久久婷婷| 午夜免费鲁丝| 久热这里只有精品99| 免费观看a级毛片全部| 大香蕉97超碰在线| 久久精品国产亚洲av涩爱| 最近最新中文字幕免费大全7| 国产精品一区www在线观看| 亚洲欧美日韩东京热| 国产男人的电影天堂91| 嘟嘟电影网在线观看| 永久网站在线| 好男人视频免费观看在线| 久久精品熟女亚洲av麻豆精品| 成人黄色视频免费在线看| 国产精品久久久久成人av| 亚洲,欧美,日韩| 高清日韩中文字幕在线| 国产亚洲一区二区精品| 永久免费av网站大全| 日日摸夜夜添夜夜爱| 精品视频人人做人人爽| 色婷婷av一区二区三区视频| 香蕉精品网在线| 免费观看在线日韩| 91精品伊人久久大香线蕉| 久久精品熟女亚洲av麻豆精品| av国产免费在线观看| 久久久色成人| 大陆偷拍与自拍| 成人18禁高潮啪啪吃奶动态图 | 一级毛片久久久久久久久女| 精品一品国产午夜福利视频| 日韩精品有码人妻一区| 久久精品久久久久久久性| 熟女电影av网| av在线播放精品| 美女中出高潮动态图| 欧美日韩精品成人综合77777| 男人爽女人下面视频在线观看| 国产一区二区三区综合在线观看 | 看免费成人av毛片| 国产高清国产精品国产三级 | 伦理电影免费视频| 日本欧美视频一区| 久久99热这里只有精品18| 国产中年淑女户外野战色| 欧美日韩综合久久久久久| 中国国产av一级| 少妇精品久久久久久久| 你懂的网址亚洲精品在线观看| 午夜福利高清视频| 精品视频人人做人人爽| 黑丝袜美女国产一区| 少妇人妻久久综合中文| 美女视频免费永久观看网站| 这个男人来自地球电影免费观看 | 久久人人爽人人爽人人片va| 18禁动态无遮挡网站| 中文天堂在线官网| 大香蕉97超碰在线| 成人亚洲精品一区在线观看 | 成人综合一区亚洲| 久久久久精品久久久久真实原创| 国产精品久久久久久精品电影小说 | 日韩av免费高清视频| 久久久久久久大尺度免费视频| 久久热精品热| 在线 av 中文字幕| 插逼视频在线观看| 久久 成人 亚洲| 亚洲av中文字字幕乱码综合| 国产男人的电影天堂91| 精品亚洲成国产av| 国内揄拍国产精品人妻在线| 国产一级毛片在线| 免费人妻精品一区二区三区视频| 国产成人aa在线观看| 老司机影院毛片| 国产综合精华液| 大又大粗又爽又黄少妇毛片口| 日韩伦理黄色片| 亚洲精品第二区| 一级毛片黄色毛片免费观看视频| 亚洲aⅴ乱码一区二区在线播放| 成人午夜精彩视频在线观看| 美女国产视频在线观看| 精品99又大又爽又粗少妇毛片| 久久久午夜欧美精品| 免费观看的影片在线观看| 大香蕉久久网| 亚洲av电影在线观看一区二区三区| tube8黄色片| 欧美日韩精品成人综合77777| 亚洲精品第二区| 亚洲av日韩在线播放| 天天躁日日操中文字幕| 国产精品99久久久久久久久| 丰满乱子伦码专区| 久久精品熟女亚洲av麻豆精品| www.色视频.com| 国产一级毛片在线| 深夜a级毛片| 黄色视频在线播放观看不卡| 大话2 男鬼变身卡| 国内精品宾馆在线| 夜夜看夜夜爽夜夜摸| 久久6这里有精品| 91精品一卡2卡3卡4卡| 少妇的逼好多水| 免费黄频网站在线观看国产| 久久久久久久久大av| 中文字幕亚洲精品专区| 3wmmmm亚洲av在线观看| 欧美成人精品欧美一级黄| 婷婷色麻豆天堂久久| 成年人午夜在线观看视频| 高清午夜精品一区二区三区| 18禁裸乳无遮挡免费网站照片| 伦理电影大哥的女人| 青青草视频在线视频观看| 国产在线男女| 成人特级av手机在线观看| 中文字幕久久专区| 乱码一卡2卡4卡精品| 高清视频免费观看一区二区| 97在线人人人人妻| 亚洲成色77777| 国产午夜精品久久久久久一区二区三区| 欧美性感艳星| av视频免费观看在线观看| 亚州av有码| 亚洲精品一区蜜桃| 搡女人真爽免费视频火全软件| 99热全是精品| av在线观看视频网站免费| a 毛片基地| 制服丝袜香蕉在线| 国产精品熟女久久久久浪| 夫妻性生交免费视频一级片| 日韩欧美精品免费久久| 你懂的网址亚洲精品在线观看| av国产久精品久网站免费入址| 国产在线免费精品| 啦啦啦中文免费视频观看日本| 国产精品99久久久久久久久| 男女国产视频网站| 久热这里只有精品99| 亚洲国产欧美在线一区| 夜夜爽夜夜爽视频| 久久久国产一区二区| 久久国产精品男人的天堂亚洲 | 国产欧美日韩一区二区三区在线 | 午夜福利高清视频| 激情五月婷婷亚洲| av线在线观看网站| 亚洲伊人久久精品综合| 尤物成人国产欧美一区二区三区| 国产一区二区在线观看日韩| 日本黄色片子视频| 亚洲天堂av无毛| 99热这里只有是精品在线观看| 国产乱人视频| 免费在线观看成人毛片| 国产精品无大码| 性色av一级| 久久99蜜桃精品久久| 少妇熟女欧美另类| 国产精品无大码| 国产无遮挡羞羞视频在线观看| 日本与韩国留学比较| 久久精品国产亚洲网站| 在线观看免费日韩欧美大片 | 亚洲国产精品成人久久小说| 欧美精品人与动牲交sv欧美| 麻豆成人午夜福利视频| 男女啪啪激烈高潮av片| 最近2019中文字幕mv第一页| 汤姆久久久久久久影院中文字幕| 国产无遮挡羞羞视频在线观看| 街头女战士在线观看网站| 韩国高清视频一区二区三区| 国产 一区精品| 干丝袜人妻中文字幕| 91aial.com中文字幕在线观看| 性色av一级| 久久国产乱子免费精品| 欧美高清性xxxxhd video| 免费播放大片免费观看视频在线观看| 高清在线视频一区二区三区| 国产精品国产三级国产av玫瑰| 观看免费一级毛片| 大片电影免费在线观看免费| 国产在线男女| 综合色丁香网| 女性生殖器流出的白浆| 好男人视频免费观看在线| 精品国产一区二区三区久久久樱花 | 性色av一级| 亚洲欧美精品专区久久| 国产欧美日韩一区二区三区在线 | 少妇人妻一区二区三区视频| 18禁动态无遮挡网站| 日韩精品有码人妻一区| 老女人水多毛片| 最近最新中文字幕免费大全7| 少妇精品久久久久久久| 国产亚洲午夜精品一区二区久久| 中文资源天堂在线| 一区二区三区四区激情视频| 小蜜桃在线观看免费完整版高清| 久久久久久久久大av| 少妇的逼好多水| 91久久精品国产一区二区成人| 国产日韩欧美亚洲二区| 亚洲真实伦在线观看| 黄色视频在线播放观看不卡| 久久综合国产亚洲精品| 一个人看视频在线观看www免费| 97在线视频观看| 日韩在线高清观看一区二区三区| 日本av手机在线免费观看| 熟女av电影| 天堂8中文在线网| 国产在线视频一区二区| av国产久精品久网站免费入址| 精品国产露脸久久av麻豆| 99久国产av精品国产电影| 中文天堂在线官网| 美女高潮的动态| 日本午夜av视频| 熟妇人妻不卡中文字幕| 最近最新中文字幕免费大全7| 精品久久久噜噜| 国产精品三级大全| 亚洲性久久影院| 久久青草综合色| 黄色日韩在线| 日本欧美国产在线视频| 亚洲av中文av极速乱| 男人狂女人下面高潮的视频| 精品久久久久久电影网| 男女无遮挡免费网站观看| 久久久精品94久久精品| 精品少妇黑人巨大在线播放| 久久韩国三级中文字幕| 天堂中文最新版在线下载| 水蜜桃什么品种好| 亚洲精品日韩av片在线观看| 亚洲四区av| 亚洲国产日韩一区二区| 日本黄色日本黄色录像| 欧美bdsm另类| 日韩 亚洲 欧美在线| 国产黄片美女视频| 超碰av人人做人人爽久久| 国产伦精品一区二区三区四那| 美女主播在线视频| 亚洲欧美日韩另类电影网站 | 天美传媒精品一区二区| 国产男女超爽视频在线观看| 成年人午夜在线观看视频| 日韩欧美 国产精品| 99热6这里只有精品| 精华霜和精华液先用哪个| 内地一区二区视频在线| 国产亚洲91精品色在线| 国产成人一区二区在线| 在线观看国产h片| 亚洲人成网站在线观看播放| 免费观看性生交大片5| av天堂中文字幕网| 亚洲精品国产av成人精品| 22中文网久久字幕| 成人二区视频| 亚洲av.av天堂| 在线观看免费视频网站a站| 国产精品女同一区二区软件| 亚洲av二区三区四区| 在线 av 中文字幕| 精品人妻视频免费看| 亚洲不卡免费看| 在线观看三级黄色| 亚洲无线观看免费| 亚洲高清免费不卡视频| 91久久精品电影网| 国产精品蜜桃在线观看| 在线观看三级黄色| 欧美+日韩+精品| 18禁在线无遮挡免费观看视频| 亚洲欧美一区二区三区黑人 | 精品少妇黑人巨大在线播放| 亚洲综合精品二区| 亚洲av国产av综合av卡| 久久精品国产亚洲av天美| 久久人人爽人人爽人人片va| 久久精品国产亚洲av涩爱| 日韩欧美精品免费久久| 婷婷色麻豆天堂久久| 免费黄网站久久成人精品| 亚洲av福利一区| 尾随美女入室| 18禁裸乳无遮挡免费网站照片| 中文字幕av成人在线电影| 欧美日韩亚洲高清精品| 日韩中文字幕视频在线看片 | 日韩欧美精品免费久久| 纵有疾风起免费观看全集完整版| 91精品国产九色| 亚洲精品乱久久久久久| 色5月婷婷丁香| 国产成人a∨麻豆精品| 91久久精品电影网| 在线亚洲精品国产二区图片欧美 | 七月丁香在线播放| 日韩在线高清观看一区二区三区| 好男人视频免费观看在线| 在线观看av片永久免费下载| 免费黄网站久久成人精品| 少妇的逼好多水| 精品亚洲乱码少妇综合久久| 一边亲一边摸免费视频| 国产一区二区三区综合在线观看 | 91aial.com中文字幕在线观看| 国产日韩欧美亚洲二区| 我要看日韩黄色一级片| 欧美区成人在线视频| 久久人人爽人人片av| 99久久精品热视频| 午夜免费男女啪啪视频观看| 嫩草影院入口| freevideosex欧美| 极品少妇高潮喷水抽搐| 青春草亚洲视频在线观看| 大陆偷拍与自拍| 一级黄片播放器| 亚洲国产精品专区欧美| 国产在线男女| videossex国产| 午夜福利在线在线| 尤物成人国产欧美一区二区三区| 搡老乐熟女国产| 人体艺术视频欧美日本| 青春草国产在线视频| 日日撸夜夜添| 中文资源天堂在线| 国产亚洲精品久久久com| 深夜a级毛片| 欧美一级a爱片免费观看看| 黄色怎么调成土黄色| 日本黄大片高清| 国产中年淑女户外野战色| www.色视频.com| 91精品一卡2卡3卡4卡| 一本久久精品| 亚洲美女黄色视频免费看| 99热这里只有是精品50| 免费观看性生交大片5| 永久免费av网站大全| 久久久久久久国产电影| 日韩中文字幕视频在线看片 | av不卡在线播放| av播播在线观看一区| 99热这里只有是精品50| 亚洲色图综合在线观看| 精品人妻偷拍中文字幕| 亚洲精品一区蜜桃| 欧美性感艳星| 国产免费福利视频在线观看| 国产欧美日韩一区二区三区在线 | 在线观看三级黄色| 岛国毛片在线播放| 51国产日韩欧美| 亚洲美女视频黄频| 国产精品人妻久久久久久| 一本久久精品| 亚洲成人中文字幕在线播放| 久久精品熟女亚洲av麻豆精品| 美女福利国产在线 | 国产淫片久久久久久久久| 男女下面进入的视频免费午夜| 少妇的逼水好多| 99久久综合免费| 自拍偷自拍亚洲精品老妇| 亚洲第一av免费看| 久久国产亚洲av麻豆专区| 午夜日本视频在线| 乱码一卡2卡4卡精品| 久久久久久久精品精品| 午夜福利高清视频| 新久久久久国产一级毛片| 久久综合国产亚洲精品| 纵有疾风起免费观看全集完整版| 老熟女久久久| 久久综合国产亚洲精品| 亚洲精品aⅴ在线观看| 国产久久久一区二区三区| 舔av片在线| 熟女电影av网| 亚洲国产成人一精品久久久| 精品一区在线观看国产| 国产av码专区亚洲av| 欧美成人精品欧美一级黄| 黑人猛操日本美女一级片| 欧美区成人在线视频| 国产精品久久久久久久久免| 欧美另类一区| 亚洲国产高清在线一区二区三| 香蕉精品网在线| 亚洲精品国产成人久久av| 亚洲第一区二区三区不卡| 蜜桃久久精品国产亚洲av| 国产精品一区二区在线不卡| 亚洲av日韩在线播放| av线在线观看网站| 人人妻人人添人人爽欧美一区卜 | 免费观看的影片在线观看| 26uuu在线亚洲综合色| 国产精品人妻久久久久久| 国产精品熟女久久久久浪| 国产精品秋霞免费鲁丝片| 久久久久久久久久成人| 亚洲欧美一区二区三区国产| 一本色道久久久久久精品综合| 黄色配什么色好看| 韩国av在线不卡|