[发明专利]基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法

权利要求书

1.基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法，其特征在于，包括以下步骤：

离线建模的步骤：采集矿浆样本的激光诱导原始光谱数据；对每张原始光谱特征进行互信息的特征筛选，保留互信息量非零的特征；利用特征筛选后新特征建立光谱强度-浓度的PLS模型，并反复迭代过程中根据训练集的解释方差与均方误差确定最优主成分数；利用最优主成分数获取最优的PLS模型；

实时检测的步骤：利用现场设备采集现场矿浆样本的实时光谱数据，输入优化的光谱强度-浓度的PLS模型，获取矿浆中指定元素的浓度含量。

2.根据权利要求1所述的基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法，其特征在于，所述采集矿浆样本的激光诱导原始光谱数据是采用激光诱导击穿光谱仪采集的。

3.根据权利要求1所述的基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法，其特征在于，所述离线建模包括以下步骤：

S1、数据预处理及特征提取：对获得的待测物质的激光诱导击穿光谱原始数据，进行均值化和谱线特征提取处理；

S2、数据集划分：将采集的矿浆样本数据划分为训练集和测试集；训练样本样本用于建模，测试样本用于评价最终模型的预测精度；

S3、计算训练集中每列中各个维度特征与标签之间的估计互信息；

S4、训练集中去除互信息量为零的a个特征；

S5、保留测试集中与训练集剩余特征相同的特征列；

S6、用训练集剩余特征迭代主成分个数进行PLS建模；

S7、利用训练集数据的解释方差和均方误差来确定主成分个数，优化PLS模型。

4.根据权利要求3所述的基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法，其特征在于，在划分数据集时，使测试集数据均匀分布在训练集样本的浓度范围之内，以实现最充分的评估模型性能的效果。

5.根据权利要求1或3所述的基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法，其特征在于，所述估计互信息的获取包括：

按照如下公式计算，特征谱线X和元素浓度Y之间的互信息：

式中：p(x,y)表示X＝x，Y＝y同时发生的概率，而p(x)是X＝x的发生概率，p(y)是Y＝y的发生的概率，x是某一列光谱特征谱线，y是浓度标签。

6.根据权利要求5所述的基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法，其特征在于，是采用最邻近方法来估计互信息。

7.根据权利要求1所述的基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法，其特征在于，计算训练集解释方差和均方误差，当两个误差均在波动阈值范围内时，当前的主成分数为最优值。

8.基于互信息特征筛选PLS的LIBS铁矿浆定量分析系统，其特征在于，包括：光谱采集设备、处理器、存储器；所述光谱采集设备用于采集矿浆样本的激光诱导原始光谱数据；所述存储器存储有如下程序模块，处理器读取程序执行如权利要求1-7任意一项所述的方法步骤，实现当前矿浆样本中指定元素的浓度含量预测；

离线建模程序模块：采集矿浆样本的激光诱导原始光谱数据；对每张原始光谱特征进行互信息的特征筛选，保留互信息量非零的特征；利用特征筛选后新特征建立光谱强度-浓度的PLS模型，并反复迭代过程中根据训练集的解释方差与均方误差确定最优主成分数；利用最优主成分数获取最优的PLS模型；

实时检测程序模块：利用现场设备采集现场矿浆样本的实时光谱数据，输入优化的光谱强度-浓度的PLS模型，获取对当前矿浆样本的光谱数据的实时特征提取结果，即当前矿浆样本中指定元素的浓度含量。