基于7种主要元素特征谱线的LIBS岩性识别

采用激光诱导击穿光谱技术与因子分析以及BP神经网络技术相结合,对5类共9种标准样品进行岩性分类与相互区分.根据样品的主要元素含量选取Si,Al,Ca,Fe,Mg,K,Na共7种元素的波峰构成特征谱.每种元素均选取一个峰作为研究对象,根据峰的形状及大小确定每个峰的波长取值范围.利用因子分析对全谱和特征谱分别进行主成分分析,再将得到的全谱主成分和特征谱主成分以及全谱与特征谱分别输入BP神经网络进行样品的岩性分类与相互区分.在以上4种情况下,样品的岩性分类进行BP神经网络分析,4种结果中以特征谱的识别率为最高,是98.89%;样品的相互区分进行BP神经网络分析,也以特征谱的识别率为最高,是98.89%.实验结果表明,对全谱进行特征提取后得到的特征谱,可以代表全谱进行因子分析和BP神经网络分析,且能更准确与高效地完成样品分类与相互区分.