BP神经网络预测EDXRF中铁、钛元素含量.pdf

第36卷第12期 核电子学与探测技术 V01．36No．12 2016年12月 NuclearElectronics＆Detection Dec． 2016 Technology BP神经网络预测EDXRF中铁、钛元素含量 何泽1，颜瑜成1’。，刘祥和1，梁超1，雷洲阳1，刘明哲3 (1．成都理工大学工程技术学院，四川乐山614000；2．西南物理研究院，成都610225； 3．成都理工大学四川省地学核技术重点实验室，成都610059) 摘要：为了更好地定量分析矿石样品中铁、钛元素的含量，应用EDXRF分析技术建立了一个基于 BP神经网络的预测模型。将矿石样品在EDXRF光谱仪中测得的荧光强度计数作为BP神经网络模型 的输入变量，对该模型进行训练和检测。实验结果表明：该BP神经网络预测模型能获得较精确的结果， 预测铁含量结果的相对误差不大于2．4％；预测钛含量结果的最大相对误差不大于2．3％；可用于地质 矿石样品元素含量的分析预测。 关键词：铁、钛元素含量；预测模型；EDXRF；BP神经网络 O657．34 A 192-04 中图分类号： 文献标志码： 文章编号：0258-0934(2016)12-1 在能量色散x射线荧光光谱分析 系，即可预测矿石中的铁、钛元素含量。 (EDXRF)中，由于仪器自身的影响、吸收增强 1 实验部分 效应和受放射性统计涨落，对矿石中铁钛元素 含量很难做出准确预测¨J，且荧光计数与矿石 1．1样品 中铁、钛等金属元素含量之间不存在直接的线 收集80组矿石样品，其中原铁矿、铁精矿、 性关系∞J。BP神经网络是一种实用性较高的 铁尾矿、钛精矿、钛尾矿各16组，每组4kg[1-5]。 神经网络，广泛用于分类识别、压缩、回归、逼近 1．2 XRF光谱仪 等不同领域。它能够拟合出多种非线性函数， 多普达通讯有限公司产IED一2000T型x 对元素荧光强度与元素含量之间的非线性关系 射线荧光光谱仪，Si(PIN)探测器，最大管电压 做较好描述。 为50kV，最大管电流为imA。能量分辨率为 本工作将寻求一种不必与其他的算法结合 190eV。 的预测矿石中的铁、钛元素含量的分析方法。 1．3样品制备 用EDXRF分析技术获得矿物样品中铁、钛元1．3．1将矿石样品进行粉碎、碾磨并筛选达到 素的荧光强度，结合BP神经网络拟合函数，建 200目以上。 立铁、钛元素荧光强度与元素含量的非线性关 1．3．2在105℃的烘箱中烘干2h。 1．3．3称取一定量的样品和石蜡，均匀混合制 成粉末压片哺’7]，制成试样，待测。 收稿日期：2016—04—25 I．4测量 基金项目：国家自然科学基金、四川省青 1．4．1对试样采用多次测量，每组样品测量5 年科技创新团队(2015JTD0020)资助。 次，每次5rain。 作者简介：何泽(1995一)，男，四川广元人，在读本科 1．4．2从得到大量能谱中选取4．038—8．364 生，核工