• <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(yáng) 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(lèi)礦樣共80組光譜數(shù)據(jù),每類(lèi)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(lái)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(lèi)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?;緟?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(lái),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(méi)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(lái)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(lái)源及數(shù)據(jù)獲取

    五類(lèi)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(lèi)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(guò)粉碎、研磨、干燥,過(guò)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(guò)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(wèn)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(lèi)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(méi)有共同的選擇標(biāo)準(zhǔn)。有學(xué)者使用梯度下降法來(lái)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(lái)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(guò)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(wèn)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(lái)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(guò)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(jué)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(guò)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(guò)保留最佳初始位置及初始味道濃度,利用視覺(jué)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(lèi)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(lèi)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(lèi)Gauss函數(shù)描述(a)和測(cè)量能譜的類(lèi)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(lèi)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(guò)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(lèi)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(lái)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(kāi)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(méi)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(yǔ)

    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(wèn)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
    宅男免费午夜| 国产一区二区三区综合在线观看 | 久热这里只有精品99| 久久精品夜色国产| 夜夜骑夜夜射夜夜干| 亚洲,一卡二卡三卡| 国产日韩一区二区三区精品不卡| av又黄又爽大尺度在线免费看| 国产熟女午夜一区二区三区| 国产成人精品在线电影| 不卡视频在线观看欧美| 国产毛片在线视频| 午夜免费观看性视频| 国产日韩欧美在线精品| 伊人久久国产一区二区| 少妇 在线观看| 美国免费a级毛片| 亚洲精品av麻豆狂野| 国产精品免费大片| 如日韩欧美国产精品一区二区三区| 亚洲精品视频女| 母亲3免费完整高清在线观看 | 天天躁夜夜躁狠狠躁躁| 女的被弄到高潮叫床怎么办| 激情视频va一区二区三区| 51国产日韩欧美| 国产黄色视频一区二区在线观看| av国产久精品久网站免费入址| 观看美女的网站| 国产日韩一区二区三区精品不卡| 午夜激情久久久久久久| 久久这里只有精品19| 国产熟女午夜一区二区三区| 男人操女人黄网站| 欧美xxⅹ黑人| 成人亚洲欧美一区二区av| 久久久久国产网址| 尾随美女入室| 日本欧美视频一区| 久久久久久人妻| 欧美成人午夜精品| 少妇 在线观看| 国产老妇伦熟女老妇高清| 亚洲国产最新在线播放| 美女内射精品一级片tv| 亚洲,一卡二卡三卡| 青春草亚洲视频在线观看| 国产男女内射视频| 日韩av免费高清视频| 啦啦啦在线观看免费高清www| 日本vs欧美在线观看视频| 免费在线观看黄色视频的| 日韩不卡一区二区三区视频在线| 欧美日韩视频精品一区| 国产黄色免费在线视频| 最新的欧美精品一区二区| 亚洲精品日韩在线中文字幕| 亚洲精品乱码久久久久久按摩| 国产女主播在线喷水免费视频网站| 成人亚洲精品一区在线观看| 97超碰精品成人国产| 亚洲丝袜综合中文字幕| 在线观看免费视频网站a站| 久久久欧美国产精品| 人妻 亚洲 视频| 久久精品aⅴ一区二区三区四区 | 好男人视频免费观看在线| 国产免费视频播放在线视频| 日日摸夜夜添夜夜爱| 免费观看性生交大片5| 黄色怎么调成土黄色| 一二三四中文在线观看免费高清| av一本久久久久| 亚洲国产精品一区三区| 一边亲一边摸免费视频| 免费久久久久久久精品成人欧美视频 | 99国产综合亚洲精品| 亚洲成人av在线免费| av.在线天堂| 男的添女的下面高潮视频| 午夜日本视频在线| av播播在线观看一区| 国产熟女午夜一区二区三区| 日韩中字成人| 久久这里只有精品19| 自拍欧美九色日韩亚洲蝌蚪91| 午夜激情久久久久久久| 中文字幕最新亚洲高清| 青青草视频在线视频观看| 日日爽夜夜爽网站| 婷婷色综合www| 日韩 亚洲 欧美在线| 亚洲精品第二区| 婷婷成人精品国产| 内地一区二区视频在线| 高清在线视频一区二区三区| 少妇精品久久久久久久| 精品一区二区三卡| 久久久欧美国产精品| 不卡视频在线观看欧美| 国产男女超爽视频在线观看| 成人亚洲精品一区在线观看| 亚洲av日韩在线播放| 国产黄色免费在线视频| 欧美日韩精品成人综合77777| 日本vs欧美在线观看视频| 自拍欧美九色日韩亚洲蝌蚪91| 精品一区在线观看国产| 久久97久久精品| 成人无遮挡网站| 国产 精品1| 亚洲精品中文字幕在线视频| 久久精品国产鲁丝片午夜精品| 久久狼人影院| 尾随美女入室| 一级毛片黄色毛片免费观看视频| 国产永久视频网站| 成人手机av| 最黄视频免费看| 爱豆传媒免费全集在线观看| 国产高清国产精品国产三级| 日日摸夜夜添夜夜爱| 在现免费观看毛片| 啦啦啦啦在线视频资源| 内地一区二区视频在线| 日韩一区二区视频免费看| 99re6热这里在线精品视频| 欧美日韩一区二区视频在线观看视频在线| 国产成人精品无人区| 日本av免费视频播放| 久久这里只有精品19| 丰满乱子伦码专区| 国产免费视频播放在线视频| a 毛片基地| 久久久久久人人人人人| 国产一区有黄有色的免费视频| 久热这里只有精品99| 九草在线视频观看| 天天躁夜夜躁狠狠久久av| 黄片无遮挡物在线观看| 亚洲国产精品专区欧美| 午夜激情久久久久久久| 久久久久久久精品精品| 亚洲成人手机| 人妻少妇偷人精品九色| 青春草国产在线视频| 韩国精品一区二区三区 | 日韩中字成人| 日韩av免费高清视频| 人人澡人人妻人| av国产久精品久网站免费入址| 欧美人与性动交α欧美软件 | 免费女性裸体啪啪无遮挡网站| 22中文网久久字幕| 日韩人妻精品一区2区三区| 一级,二级,三级黄色视频| 国产精品成人在线| 美女国产视频在线观看| 欧美性感艳星| 9191精品国产免费久久| 丝袜脚勾引网站| 妹子高潮喷水视频| 黄色 视频免费看| 精品一区二区三卡| 日韩,欧美,国产一区二区三区| 九九在线视频观看精品| 男的添女的下面高潮视频| 亚洲av成人精品一二三区| 大码成人一级视频| 亚洲欧美日韩卡通动漫| 曰老女人黄片| 欧美成人精品欧美一级黄| 亚洲国产毛片av蜜桃av| 午夜免费男女啪啪视频观看| av有码第一页| 天天操日日干夜夜撸| 亚洲美女黄色视频免费看| 777米奇影视久久| 久久青草综合色| 2021少妇久久久久久久久久久| 建设人人有责人人尽责人人享有的| 美女视频免费永久观看网站| 在线观看人妻少妇| 亚洲精华国产精华液的使用体验| 岛国毛片在线播放| 精品国产露脸久久av麻豆| 亚洲激情五月婷婷啪啪| 69精品国产乱码久久久| av免费在线看不卡| 欧美另类一区| 亚洲av免费高清在线观看| 亚洲国产欧美日韩在线播放| 青春草视频在线免费观看| 久久精品人人爽人人爽视色| 日韩一本色道免费dvd| 亚洲国产精品专区欧美| 精品少妇内射三级| 另类精品久久| 欧美精品高潮呻吟av久久| 日韩,欧美,国产一区二区三区| 久久99一区二区三区| 日韩伦理黄色片| 国产精品一区二区在线不卡| 欧美人与性动交α欧美软件 | 制服丝袜香蕉在线| 亚洲av成人精品一二三区| 久久 成人 亚洲| 99热这里只有是精品在线观看| 另类亚洲欧美激情| 全区人妻精品视频| 精品一区二区三区四区五区乱码 | 亚洲av成人精品一二三区| 久久影院123| 久久久久精品性色| 亚洲精品456在线播放app| 18禁观看日本| 久久毛片免费看一区二区三区| 赤兔流量卡办理| 国产福利在线免费观看视频| 精品国产露脸久久av麻豆| 欧美日韩视频精品一区| 男女国产视频网站| 99久国产av精品国产电影| 亚洲少妇的诱惑av| 久久久久国产网址| 亚洲精品久久久久久婷婷小说| 久久人人爽人人爽人人片va| 午夜福利影视在线免费观看| 丝袜在线中文字幕| 伦精品一区二区三区| 久久99蜜桃精品久久| 色视频在线一区二区三区| 丰满饥渴人妻一区二区三| 十八禁网站网址无遮挡| 成人手机av| 国产精品欧美亚洲77777| 99久国产av精品国产电影| 日韩视频在线欧美| 国产精品久久久久久久电影| 欧美人与性动交α欧美精品济南到 | 黄色 视频免费看| 免费看不卡的av| 国产精品偷伦视频观看了| 在线观看美女被高潮喷水网站| 国产精品一二三区在线看| 午夜免费男女啪啪视频观看| 制服丝袜香蕉在线| 国产精品国产三级国产av玫瑰| 午夜福利视频精品| 韩国高清视频一区二区三区| 国产精品久久久av美女十八| 全区人妻精品视频| 色吧在线观看| 美女福利国产在线| 久久久久久人妻| 亚洲久久久国产精品| 亚洲美女黄色视频免费看| 国产亚洲欧美精品永久| av不卡在线播放| 国产精品久久久av美女十八| 亚洲欧美精品自产自拍| 日韩制服骚丝袜av| 欧美日韩国产mv在线观看视频| 亚洲精品一区蜜桃| 大香蕉久久网| 欧美亚洲 丝袜 人妻 在线| 中国国产av一级| 久久99热6这里只有精品| 久久婷婷青草| 国产熟女欧美一区二区| 我的女老师完整版在线观看| 美国免费a级毛片| 日韩一区二区三区影片| 欧美变态另类bdsm刘玥| 高清黄色对白视频在线免费看| 免费久久久久久久精品成人欧美视频 | 91久久精品国产一区二区三区| 美女国产高潮福利片在线看| 欧美精品高潮呻吟av久久| 免费人成在线观看视频色| 久久97久久精品| 免费少妇av软件| 菩萨蛮人人尽说江南好唐韦庄| 午夜影院在线不卡| 自线自在国产av| 高清视频免费观看一区二区| 男人操女人黄网站| 亚洲精品av麻豆狂野| 熟妇人妻不卡中文字幕| 欧美最新免费一区二区三区| 草草在线视频免费看| 久久午夜福利片| 男女午夜视频在线观看 | 亚洲国产精品一区三区| 国产亚洲一区二区精品| 两个人免费观看高清视频| 超色免费av| 两个人看的免费小视频| 国产亚洲一区二区精品| 不卡视频在线观看欧美| 国产欧美日韩综合在线一区二区| av国产久精品久网站免费入址| 国产乱人偷精品视频| 亚洲精品自拍成人| 国产高清国产精品国产三级| 久久久久久人人人人人| 大陆偷拍与自拍| av免费在线看不卡| 亚洲精品日本国产第一区| 久久精品aⅴ一区二区三区四区 | 夜夜爽夜夜爽视频| a级毛片在线看网站| 免费大片18禁| 如何舔出高潮| 国产精品.久久久| 日本vs欧美在线观看视频| av不卡在线播放| 人妻 亚洲 视频| 亚洲精品视频女| 在线观看国产h片| 日韩一区二区三区影片| 欧美老熟妇乱子伦牲交| 免费人妻精品一区二区三区视频| 美女xxoo啪啪120秒动态图| a级毛色黄片| www.av在线官网国产| 久久久久精品久久久久真实原创| 大片免费播放器 马上看| 少妇精品久久久久久久| 满18在线观看网站| 免费av中文字幕在线| 超碰97精品在线观看| 亚洲人成77777在线视频| 少妇的丰满在线观看| 秋霞在线观看毛片| 在线精品无人区一区二区三| 国产一区二区在线观看日韩| av国产久精品久网站免费入址| 国产精品麻豆人妻色哟哟久久| 国产毛片在线视频| 精品福利永久在线观看| 十八禁网站网址无遮挡| 午夜福利在线观看免费完整高清在| 桃花免费在线播放| 欧美日韩av久久| 国产探花极品一区二区| 看非洲黑人一级黄片| 欧美 亚洲 国产 日韩一| 久久狼人影院| 中文天堂在线官网| 成人18禁高潮啪啪吃奶动态图| 国产精品蜜桃在线观看| 久久久国产精品麻豆| 大码成人一级视频| 亚洲精品第二区| 看免费成人av毛片| av片东京热男人的天堂| av女优亚洲男人天堂| 中国美白少妇内射xxxbb| 免费播放大片免费观看视频在线观看| 久久久久网色| av视频免费观看在线观看| av福利片在线| 男人爽女人下面视频在线观看| 久热这里只有精品99| 91国产中文字幕| 欧美日韩国产mv在线观看视频| 欧美97在线视频| av福利片在线| av不卡在线播放| 99re6热这里在线精品视频| 国产成人免费观看mmmm| 最近的中文字幕免费完整| 久久久国产精品麻豆| 高清av免费在线| 三上悠亚av全集在线观看| 日韩人妻精品一区2区三区| 少妇猛男粗大的猛烈进出视频| 亚洲三级黄色毛片| 波多野结衣一区麻豆| 色婷婷久久久亚洲欧美| 不卡视频在线观看欧美| 国产一区亚洲一区在线观看| 国产黄色视频一区二区在线观看| 久久鲁丝午夜福利片| 黑人高潮一二区| 国产亚洲一区二区精品| 精品熟女少妇av免费看| 观看美女的网站| 国产精品麻豆人妻色哟哟久久| 成人手机av| 国产免费一区二区三区四区乱码| 久久久精品免费免费高清| 国产熟女午夜一区二区三区| 一本大道久久a久久精品| 久久精品国产亚洲av涩爱| 久久久久视频综合| 国产精品国产三级国产专区5o| 精品国产一区二区三区久久久樱花| 夫妻午夜视频| 天堂俺去俺来也www色官网| 全区人妻精品视频| 黄片播放在线免费| 国产成人精品一,二区| 亚洲一区二区三区欧美精品| 99九九在线精品视频| 久久精品熟女亚洲av麻豆精品| 最新的欧美精品一区二区| 99久久综合免费| 久热这里只有精品99| av免费观看日本| 国产精品嫩草影院av在线观看| 亚洲在久久综合| 黑人高潮一二区| 啦啦啦啦在线视频资源| 精品国产露脸久久av麻豆| 久久综合国产亚洲精品| 亚洲少妇的诱惑av| 亚洲精品久久久久久婷婷小说| 午夜免费鲁丝| 精品一品国产午夜福利视频| 欧美人与性动交α欧美精品济南到 | 亚洲,欧美,日韩| 精品久久蜜臀av无| 狠狠精品人妻久久久久久综合| 母亲3免费完整高清在线观看 | av福利片在线| 国产黄色视频一区二区在线观看| 国产精品.久久久| 多毛熟女@视频| 精品亚洲成国产av| 亚洲色图 男人天堂 中文字幕 | 亚洲丝袜综合中文字幕| 国产一区二区在线观看av| 久久人人爽人人片av| 国产精品久久久久久久电影| 人人澡人人妻人| 国产日韩欧美在线精品| 99香蕉大伊视频| a 毛片基地| 色网站视频免费| 日本爱情动作片www.在线观看| 亚洲丝袜综合中文字幕| 少妇人妻 视频| 少妇熟女欧美另类| 免费观看av网站的网址| 国产成人免费无遮挡视频| 午夜免费男女啪啪视频观看| 日本vs欧美在线观看视频| 国产成人欧美| 中文天堂在线官网| 美女内射精品一级片tv| 久久精品熟女亚洲av麻豆精品| 人人妻人人澡人人看| 人妻系列 视频| 99视频精品全部免费 在线| 国产av国产精品国产| 97超碰精品成人国产| 亚洲综合色网址| 久久久久久久大尺度免费视频| 亚洲精品日韩在线中文字幕| 欧美97在线视频| 美女大奶头黄色视频| 毛片一级片免费看久久久久| 日韩欧美一区视频在线观看| av片东京热男人的天堂| 成人二区视频| 成人毛片60女人毛片免费| 王馨瑶露胸无遮挡在线观看| 高清视频免费观看一区二区| 日本猛色少妇xxxxx猛交久久| 亚洲精品一区蜜桃| 国产一区二区三区av在线| 日韩 亚洲 欧美在线| 日本免费在线观看一区| 国产成人免费无遮挡视频| 蜜桃在线观看..| 亚洲av.av天堂| 麻豆乱淫一区二区| 热99久久久久精品小说推荐| 99热网站在线观看| 在现免费观看毛片| 秋霞伦理黄片| 各种免费的搞黄视频| 日本91视频免费播放| 美女主播在线视频| 国产日韩欧美视频二区| 中文字幕另类日韩欧美亚洲嫩草| 午夜福利视频精品| 午夜福利,免费看| 97在线视频观看| 免费少妇av软件| 精品一区二区免费观看| 婷婷成人精品国产| 黄片无遮挡物在线观看| 欧美xxxx性猛交bbbb| 最近最新中文字幕大全免费视频 | 毛片一级片免费看久久久久| 国产在线视频一区二区| 亚洲情色 制服丝袜| 一区二区日韩欧美中文字幕 | 99久久综合免费| 在线天堂中文资源库| 欧美性感艳星| 热99久久久久精品小说推荐| 亚洲精品色激情综合| av线在线观看网站| 亚洲熟女精品中文字幕| 侵犯人妻中文字幕一二三四区| 满18在线观看网站| 美国免费a级毛片| 久久久国产精品麻豆| 中文字幕av电影在线播放| 亚洲在久久综合| 美女xxoo啪啪120秒动态图| av视频免费观看在线观看| 亚洲欧洲日产国产| 美女中出高潮动态图| 久久久国产一区二区| 巨乳人妻的诱惑在线观看| 少妇人妻久久综合中文| 久久精品国产亚洲av天美| 亚洲美女黄色视频免费看| 秋霞在线观看毛片| 日韩人妻精品一区2区三区| 在线 av 中文字幕| 国产免费福利视频在线观看| 中文字幕精品免费在线观看视频 | 啦啦啦中文免费视频观看日本| 日韩成人伦理影院| 色哟哟·www| 久热这里只有精品99| 自拍欧美九色日韩亚洲蝌蚪91| 老女人水多毛片| 色婷婷av一区二区三区视频| av线在线观看网站| 菩萨蛮人人尽说江南好唐韦庄| 自线自在国产av| 又大又黄又爽视频免费| 久久久久久久大尺度免费视频| 少妇被粗大猛烈的视频| 久久久久久久大尺度免费视频| 美女主播在线视频| 亚洲成人一二三区av| 18在线观看网站| 少妇 在线观看| 亚洲精品乱码久久久久久按摩| 欧美xxxx性猛交bbbb| 亚洲激情五月婷婷啪啪| 一二三四在线观看免费中文在 | 777米奇影视久久| 免费少妇av软件| 一边亲一边摸免费视频| 日韩欧美一区视频在线观看| 国产男人的电影天堂91| 青春草视频在线免费观看| 国产精品三级大全| 亚洲精华国产精华液的使用体验| 亚洲欧洲日产国产| 两个人免费观看高清视频| 黑人猛操日本美女一级片| 亚洲精品久久成人aⅴ小说| 精品久久国产蜜桃| 久久毛片免费看一区二区三区| 男女高潮啪啪啪动态图| 国产不卡av网站在线观看| 国产日韩一区二区三区精品不卡| 久久av网站| 国产综合精华液| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产福利在线免费观看视频| av女优亚洲男人天堂| 纵有疾风起免费观看全集完整版| 亚洲欧美中文字幕日韩二区| 人成视频在线观看免费观看| 99热6这里只有精品| 中文欧美无线码| 18禁动态无遮挡网站| 亚洲国产av新网站| 日日啪夜夜爽| 成人国语在线视频| 国产成人精品一,二区| 一边亲一边摸免费视频| 久久毛片免费看一区二区三区| 国产视频首页在线观看| 欧美激情 高清一区二区三区| 黑人欧美特级aaaaaa片| 久久精品国产亚洲av涩爱| 黄色毛片三级朝国网站| 九九在线视频观看精品| 欧美日韩一区二区视频在线观看视频在线| 黄片播放在线免费| 久久久久久久久久久免费av| 最后的刺客免费高清国语| 国产精品一区二区在线观看99| 中文字幕精品免费在线观看视频 | 一本久久精品| 大话2 男鬼变身卡| 51国产日韩欧美| 亚洲美女黄色视频免费看| 亚洲美女搞黄在线观看| 免费不卡的大黄色大毛片视频在线观看| 国产精品麻豆人妻色哟哟久久| 午夜久久久在线观看| 蜜桃在线观看..| 校园人妻丝袜中文字幕| 夫妻性生交免费视频一级片| 免费日韩欧美在线观看| 天天躁夜夜躁狠狠久久av| 激情视频va一区二区三区| 日韩精品有码人妻一区| 国产高清三级在线| 免费av中文字幕在线| 亚洲性久久影院| 丝袜美足系列|