發(fā)布時間：2021-06-09 12:58

　　鐵礦是全球儲量最高的金屬礦產(chǎn)之一。全鐵含量是評價鐵礦石、鐵礦粉品質(zhì)的重要指標(biāo),在鐵礦開采、礦石精選、礦粉冶煉等生產(chǎn)環(huán)節(jié)中有特殊意義。傳統(tǒng)的鐵礦粉全鐵含量化學(xué)分析方法存在耗時久、操作復(fù)雜、污染嚴(yán)重等缺點,因此,探尋一種快速、有效、無污染的檢測方法越來越成為礦山環(huán)境的研究熱點。高光譜技術(shù)具有光譜分辨率高、曲線連續(xù)、無損傷、無污染、可對物質(zhì)特征或成分進行精確探測等特點。使用鐵礦粉高光譜數(shù)據(jù),通過建立用于光譜特征篩選的光譜特征重要性評分（SFIM）指標(biāo),并結(jié)合隨機森林回歸（RFR）方法構(gòu)建鐵礦粉全鐵含量預(yù)測的SFIM-RFR模型。以河北省陽原縣三義莊鐵礦為研究區(qū),于2018年11月與2019年3月在研究區(qū)收集鐵精粉、鐵尾砂原料,分別制作第一批次的訓(xùn)練組和驗證組鐵礦粉試樣以及第二批次的二次驗證組鐵礦粉試樣,并使用ASD Field Spec4型光譜儀測量試樣的光譜反射率;然后使用第一批次的訓(xùn)練組光譜數(shù)據(jù)訓(xùn)練SFIM-RFR模型,對第一批次的驗證組樣本的全鐵含量進行預(yù)測,同時采用常規(guī)RFR、線性回歸（LR）預(yù)測模型來對比分析鐵礦粉樣本全鐵含量預(yù)測結(jié)果;最后使用二次驗證組光譜數(shù)據(jù)檢驗多模型魯棒性。結(jié)... 

【文章來源】：光譜學(xué)與光譜分析. 2020,40(08)北大核心EISCICSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

三義莊鐵礦地理位置示意圖

表3 二次驗證組樣本全鐵含量及標(biāo)記Table 3 Total iron contents and labeling of second testing group samples 全鐵含量/% 標(biāo)記 全鐵含量/% 標(biāo)記 2.67 TFe(2.67) 50.07 TFe(50.07) 10.37 TFe(10.37) 60.04 TFe(60.04) 20.09 TFe(20.09) 64.34 TFe(64.34) 30.26 TFe(30.26)1.6 模型構(gòu)建與預(yù)測

SFIM-RFR模型、 RFR模型、 LR模型對驗證組鐵礦粉樣本全鐵含量的預(yù)測結(jié)果與真實值的差異如圖3所示, 由圖3(a)與圖3(b)所示SFIM-RFR模型和RFR模型得出的預(yù)測值與真實值的差異較小, 而圖3(c)所示LR模型得出的預(yù)測值與真實值的差異略大。 3個模型得到的樣本全鐵含量預(yù)測值與真實值的R-Square與RMSE見表4, SFIM-RFR模型的R-Square為0.991 8, RMSE為0.016 9; RFR模型的R-Square為0.988 4, RMSE為0.020 1; LR模型的R-Square為0.898 7, RMSE為0.059 6; 可見, SFIM-RFR模型的預(yù)測結(jié)果最好, RFR模型的預(yù)測結(jié)果較好, LR模型的預(yù)測結(jié)果較差。 總體來說, 利用鐵礦粉高光譜數(shù)據(jù)建立的LR模型、 RFR模型、 SFIM-RFR模型對鐵礦粉的全鐵含量都有一定的預(yù)測能力, 其中SFIM-RFR模型的預(yù)測精度最好。表4 基于訓(xùn)練組和驗證組數(shù)據(jù)的模型預(yù)測精度表Table 4 Prediction accuracy of the model based on the training and testing data Model R-Square RMSE SFIM-RFR 0.991 8 0.016 9 RFR 0.988 4 0.020 1 LR 0.898 7 0.059 6

【參考文獻】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)集成-X射線熒光光譜法的鐵礦石中全鐵含量測定[J]. 李穎娜,徐志彬.  冶金分析. 2019(01)
[2]基于可見光—近紅外光譜特征的BIF鐵礦原位測定方法[J]. 何群,王東,劉善軍,毛亞純,孫厚廣,孫銘辰.  金屬礦山. 2018(12)
[3]煤礦區(qū)土壤有機碳含量的高光譜預(yù)測模型[J]. 孫問娟,李新舉.  水土保持學(xué)報. 2018(05)
[4]蘆葦粉大尾蚜蟲害下蘆葦葉綠素高光譜反演估算[J]. 竇志國,崔麗娟,武高潔,李晶,潘旭,蔡張杰,雷茵茹,李偉.  生態(tài)學(xué)雜志. 2018(10)
[5]基于支持向量機的棉花冠層葉片葉綠素含量高光譜遙感估算[J]. 張卓然,常慶瑞,張廷龍,班松濤,由明明.  西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版). 2018(11)
[6]云南個舊礦區(qū)土壤鋅污染遙感反演研究[J]. 宋婷婷,付秀麗,陳玉,魏永明,王欽軍,程先鋒.  遙感技術(shù)與應(yīng)用. 2018(01)
[7]中國高光譜遙感的前沿進展[J]. 童慶禧,張兵,張立福.  遙感學(xué)報. 2016(05)
[8]土壤有機質(zhì)含量區(qū)間值高光譜估測[J]. 李西燦,趙庚星,陳紅艷,武彬,田野,張永浩.  測繪科學(xué)技術(shù)學(xué)報. 2014(06)
[9]鐵礦石中全鐵含量分析的研究進展[J]. 閔紅,任麗萍,秦曄瓊,周海明,朱志秀.  冶金分析. 2014(04)



本文編號：3220625