[发明专利]一种随机森林算法结合激光诱导击穿光谱定量分析钢铁中硫磷的方法

摘要

本发明公开了一种随机森林(Random Forest,RF)结合激光诱导击穿光谱(Laser induced breakdown spectroscopy,LIBS)对钢铁中硫、磷元素的定量分析方法。首先使用LIBS系统对14个钢铁样品进行检测并获取数据矩阵，然后使用随进森林算法建立回归模型，在建模过程中通过袋外评估方法对随机森林模型的两个参数(ntree and mtry)进行了优化。在最优的实验参数下构建了钢铁中硫磷的随机森林校正模型，并对测试集钢铁中硫磷含量进行了预测，随机森林校正模型有更好的预测能力，硫元素能够获得更小的相对误差，因此，随机森林模型结合激光诱导击穿光谱在冶金领域中定量检测非金属元素是一个有前景的方法。

主权项

一种随机森林算法结合激光诱导击穿光谱定量分析钢铁中硫磷的方法, 其特征在于包括以下步骤：（1）利用激光诱导击穿光谱系统对钢材样品分别在不同的测量位点进行光谱数据采集；（2）从每个样品的光谱数据中随机挑选占其数据总量2/3 的光谱数据作为校正集，其余光谱数据作为测试集；（3）使用校正集数据通过bagging 抽样结合袋外估计OOB(Out‑Of‑Bag)的方法对决策树棵数ntree 和随机抽取特征数mtry 进行寻优；（4）确定最优参数后利用校正集数据建立随机森林模型，在随机森林建模中，所构建的每一颗决策树都为二叉树；构建一棵树时在树的每个节点从每个样本总共M 个特征中挑选mtry 个特征，其中mtry<M，并根据不纯度最小原则从mtry 个特征中选择一个进行分支生长；这棵树充分生长，并且使每个节点的不纯度达到最小，且不剪枝；最后得到的所有决策树组合在一起构成随机森林；（5）样本的最终预测值通过模型中所有决策树回归结果投票的平均值得出。