[发明专利]基于支持向量机的X射线荧光光谱分析方法及装置

权利要求书

1.一种基于支持向量机的X射线荧光光谱分析方法，其特征在于，包括：

采集训练集样品的X射线荧光光谱，提取所述荧光光谱上若干个数据点强度值；

测定所述训练集样品的目标元素的含量；

将所述强度值作为输入层数据，将所述目标元素的含量作为输出层数据，建立支持向量机的预测模型；

采用遗传算法对所述预测模型进行训练，确定X射线荧光光谱分析目标元素的支持向量机模型的参数；

采集预测集样品的X射线荧光光谱上若干个数据点强度值为所述X射线荧光光谱分析目标元素的支持向量机模型的输入层数据，得到所述预测集样品的对应目标元素的含量。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

利用所述预测集样品的对应目标元素的含量和所述预测集样品的测定的目标元素含量对所述支持向量机模型验证。

3.根据权利要求1所述的方法，其特征在于，所述采集训练集样品的X射线荧光光谱，提取所述荧光光谱上若干个数据点强度值，包括：

采集训练集样品的X射线荧光光谱；

对所述X射线荧光光谱进行数据处理，提取所述荧光光谱上若干个数据点强度值；

其中，所述数据处理包括：对所述X射线荧光光谱求平均值，扣除背景以及谱线去干扰拟合。

4.根据权利要求1所述的方法，其特征在于，所述测定所述训练集样品的目标元素的含量，具体为：

采用理化分析方式测得所述训练集样品的目标元素的含量。

5.根据权利要求1所述的方法，其特征在于，所述支持向量机模型为：

y(x)=Σ1nαiK(x,xk)+b]]>

其中，b为支持向量机模型的截距，α_i为拉格朗日算子，K(x,x_k)为高斯径向基函数，n为向量的维数，x_k为输入层向量，x为输入层数据，y为输出数据。

6.根据权利要求1所述的方法，其特征在于，所述采用遗传算法对所述预测模型进行训练，包括：

S61、设定迭代次数t，所述t的初始值为0，设定种群数量，交叉率和变异率；

S62、建立所述预测模型参数，随机选择产生初始种群；

S63、对所述初始种群的个体训练，计算个体适应度函数值，采用均方根误差分析个体适应度函数值，

其中，y_i为验证集样品的实际测量值；为样品的模型预测值；k为验证集样品的数量；

S64、当所述种群中最优个体所对应的适应度满足设定的迭代次数，则转至步骤S66，否则执行步骤S65；

S65、迭代次数t＝t+1,应用选择，交叉率和变异率产生新的种群，则转至步骤S63；

S66、给出预测模型参数，并用其训练数据集，获得预测模型。

7.一种基于支持向量机的X射线荧光光谱分析装置，其特征在于，包括：

采集提取单元，用于采集训练集样品的X射线荧光光谱，提取所述荧光光谱上若干个数据点强度值；

测定单元，用于测定所述训练集样品的目标元素的含量；

建模单元，用于将所述强度值作为输入层数据，将所述目标元素的含量作为输出层数据，建立支持向量机的预测模型；

训练单元，用于采用遗传算法对所述预测模型进行训练，确定X射线荧光光谱分析目标元素的支持向量机模型的参数；

预测单元，用于采集预测集样品的X射线荧光光谱上若干个数据点强度值为所述X射线荧光光谱分析目标元素的支持向量机模型的输入层数据，得到所述预测集样品的对应目标元素的含量。