基于拉曼光谱的硫化锑矿物品位的定量预测分析方法及装置制造方法及图纸

本发明专利技术公开了一种基于拉曼光谱的硫化锑矿物品位的定量预测分析方法及装置。本发明专利技术首先对样本进行预处理(去噪、基线校正)，选择硫化锑定量分析的特征波长，以及建立多变量的校准模型。根据锑浮选主要步骤中硫化锑的含量，提出了基于LWMKPLS定量分析的硫化锑含量多变量标定模型。该模型通过将原矿样品中硫化锑含量数据分为训练集和验证集，分别对模型进行训练和测试，证明该方法可以提高定量分析模型的预测精度。本发明专利技术对各种复杂的硫化锑矿物的品位都能实现准确完整的定量分析过程，为硫化锑矿物含量的定量分析提供了一条新途径。矿物含量的定量分析提供了一条新途径。矿物含量的定量分析提供了一条新途径。

【技术实现步骤摘要】
基于拉曼光谱的硫化锑矿物品位的定量预测分析方法及装置


[0001]本专利技术涉及光谱分析领域，特别涉及一种基于拉曼光谱的硫化锑矿物品位的定量预测分析方法及装置。

技术介绍

[0002]矿物资源是现代工业发展中不可获缺的原材料，通常是由地质作用后经过几千甚至上亿年的演变而形成，为现代化建设提供了巨大价值。因此，矿物作为一种不可重生的重要资源，为人类社会的高速发展提供了所需的金属与无机原材料，在经济发展和科技创新等领域提供了稳定性的保障作用。在能源消耗中，有95％以上直接或间接来源于矿物资源，超过80％的工业原材料也来自于矿物资源。有色金属矿物作为矿物资源的典型代表，是重要的原材料与战略物质，同时也是电脑、半导体设备中关键组件的基础性材料，发挥着越来越重要的地位。
[0003]目前，工业中采用浮选工艺富集锑矿中的硫化锑。浮选工艺以表面化学为基础，根据矿物不同的理化性质，通过组合药剂添加，再鼓入足量的空气后，矿粒选择性吸附在空气泡沫表面后上升至浮选槽表层。堆积的泡沫通过溢口流出后收集，从而富集有用矿物。化学试剂如起泡剂、捕收剂以及硫酸等，工艺流程中的变量如充气量、液面高度等，其数值大小主要取决于浮选槽中硫化锑的含量。在实际的浮选生产中，矿厂主要采用化学离线检测的方式测量硫化锑的含量，该方法对于样品的制备和检测时间较长，存在较大误差，无法满足企业需要及时可靠的物质含量信息的需求。

技术实现思路

[0004]为了解决目前浮选过程中浮选槽泡沫中矿物品位难以检测的技术问题，本专利技术提供一种基于拉曼光谱的硫化锑矿物品位的定量预测分析方法及装置。
[0005]为了实现上述技术目的，本专利技术的技术方案是，
[0006]一种基于拉曼光谱的硫化锑矿物品位的定量预测分析方法，包括以下步骤：
[0007]S1，利用拉曼光谱仪从浮选槽的泡沫层采集若干份硫化锑的拉曼光谱样本；
[0008]S2，对步骤S1采集到的样本数据进行平滑滤波操作，获得平滑的拉曼光谱谱图；
[0009]S3，对步骤S2所得的拉曼光谱谱图进行去除荧光背景基线校正；
[0010]S4，对步骤S3得到的拉曼光谱谱图进行特征波长点的筛选；
[0011]S5，基于局部加权混合核偏最小二乘回归模型，采用处理后的样本进行训练，从而获得用于硫化锑矿物品位的定量预测模型，以实现对于硫化锑矿物品位的定量预测分析。
[0012]所述的方法，步骤S1中，采集若干份硫化锑的拉曼光谱样本的步骤为：
[0013]S101，预先采集不同硫化锑品位的拉曼光谱样本若干份；
[0014]S102，确定拉曼光谱样本中的硫化锑精确品位；
[0015]S103，按照预设的精度递增的关系选择不同品位的泡沫样本，且在同一品位选择多份样本作为初始建模样本。
[0016]所述的方法，步骤S2中，进行平滑滤波操作的步骤包括：
[0017]S201，基于Savitzky
‑
Golay算法对每份拉曼光谱测量结果进行平滑处理，即利用最小二乘策略对数据进行多项式拟合处理，以拟合多项式的阶数为p，采用光谱点范围内2r+1数据点进行拟合：
[0018][0019]其中r为窗口的宽度大小，X
i*
表示平滑处理后的光谱向量，c0,c
i
,c2,...c
p
为光谱参数，i和k表示任意选取的代表参数；
[0020]S202，对步骤S201拟合的数据点利用最小二乘拟合求残差Q为：
[0021][0022]其中X
i
与X
i*
分别表示平滑处理前后的同一个光谱向量；X
i*
的值由原始光谱向量中，以光谱点X
i
为中心，范围2r+1数据点的加权平均求得；j为设置的窗口中心；
[0023]S203，对步骤S202所求的Q，分别对光谱参数求偏导并解出对应的系数值，代入步骤S201的公式得到：
[0024][0025]其中，w
i
代表权重系数，X
i
代表平滑处理前的光谱向量。
[0026]所述的方法，步骤S3中，去除荧光背景基线校正，是采用基于双加权惩罚最小二乘的光谱基线校正算法对每份样本的每一次拉曼光谱测量结果进行基线校正处理，包括：
[0027]S301，首先：
[0028]F＝W||Y
‑
Z||2+λ(I
N
‑
ηW)||D2Z||2+||D1Z||2[0029]其中，F为目标函数，W为输入光谱与拟合背景基线之间的惩罚因子所组成的左对角矩阵，Y为输入光谱，Z为拟合背景基线，λ为平滑参数，I
N
为单位矩阵，η为调节参数且取值范围限制在[0,1]，矩阵D1、D2为一、二阶求导矩阵，定义为：
[0030][0031]S302，对步骤S301得到的F求导，并令其等于0，得到光谱基线表达式为：
[0032][0033]其中T表示矩阵转置；
[0034]S303，筛选测试光谱数据Y0，并设置参数λ、η、最大迭代次数max
iter
和ratio；
[0035]S304，基于S302的公式进行迭代，并在每次迭代后判断是否满足迭代条件：|W
t
‑
W
t
‑1|/|W
t
‑1|＜ratio，如果不满足则继续迭代，否则结束迭代，最后得到迭代拟合基线Z，并将迭代结束后获得的光谱Y减Z，从而获得校正后拉曼光谱。
[0036]所述的方法，步骤S4中，对拉曼光谱谱图进行特征波长点的筛选，是基于组合随机森林、极端随机树和XGBoost算法，分别训练各森林模型，通过相应的策略组合计算波长在
各森林模型中的重要程度后，均值加权求取各波长的重要程度，最后选取排序靠前的波长作为特征波长筛选结果。
[0037]所述的方法，步骤S4中，在组合随机森林计算波长重要程度时，采用袋外数据错误率进行分析，对于随机森林中的每一棵决策树，基于对应的袋外数据测试该树的性能，则特征的重要程度计算方法为：
[0038][0039]其中，F为决策树的个数，OOB
error1
、OOB
error2
为预测误差率；
[0040]采用极端随机树算法计算波长重要程度时，是将基决策树均分为两部分，一部分采用所有数据训练决策树，另一部分则重采样构建决策树，其中重要程度的计算方法为Extra
‑
Trees
imp
；
[0041]采用XGBoost算法计算波长重要程度时，是基于下式计算：
[0042][0043]其中，为特征t的重要程度的平均和，N为决策树的个数，为特征t的重要程度，T
m
为第m个决策树。
[0044]所述的方法，步骤S5中，获得用于硫化锑矿物品位的定量预测模型的方法为：<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于拉曼光谱的硫化锑矿物品位的定量预测分析方法，其特征在于，包括以下步骤：S1，利用拉曼光谱仪从浮选槽的泡沫层采集若干份硫化锑的拉曼光谱样本；S2，对步骤S1采集到的样本数据进行平滑滤波操作，获得平滑的拉曼光谱谱图；S3，对步骤S2所得的拉曼光谱谱图进行去除荧光背景基线校正；S4，对步骤S3得到的拉曼光谱谱图进行特征波长点的筛选；S5，基于局部加权混合核偏最小二乘回归模型，采用处理后的样本进行训练，从而获得用于硫化锑矿物品位的定量预测模型，以实现对于硫化锑矿物品位的定量预测分析。2.根据权利要求1所述的方法，其特征在于，步骤S1中，采集若干份硫化锑的拉曼光谱样本的步骤为：S101，预先采集不同硫化锑品位的拉曼光谱样本若干份；S102，确定拉曼光谱样本中的硫化锑精确品位；S103，按照预设的精度递增的关系选择不同品位的泡沫样本，且在同一品位选择多份样本作为初始建模样本。3.根据权利要求1所述的方法，其特征在于，步骤S2中，进行平滑滤波操作的步骤包括：S201，基于Savitzky
‑
Golay算法对每份拉曼光谱测量结果进行平滑处理，即利用最小二乘策略对数据进行多项式拟合处理，以拟合多项式的阶数为p，采用光谱点范围内2r+1数据点进行拟合：其中r为窗口的宽度大小，X
i*
表示平滑处理后的光谱向量，c0,c
i
,c2,...c
p
为光谱参数，i和k表示任意选取的代表参数；S202，对步骤S201拟合的数据点利用最小二乘拟合求残差Q为：其中X
i
与X
i*
分别表示平滑处理前后的同一个光谱向量；X
i*
的值由原始光谱向量中，以光谱点X
i
为中心，范围2r+1数据点的加权平均求得；j为设置的窗口中心；S203，对步骤S202所求的Q，分别对光谱参数求偏导并解出对应的系数值，代入步骤S201的公式得到：其中，w
i
代表权重系数，X
i
代表平滑处理前的光谱向量。4.根据权利要求1所述的方法，其特征在于，步骤S3中，去除荧光背景基线校正，是采用基于双加权惩罚最小二乘的光谱基线校正算法对每份样本的每一次拉曼光谱测量结果进行基线校正处理，包括：S301，首先：F＝W||Y
‑
Z||2+λ(I
N
‑
ηW)||D2Z||2+||D1Z||2其中，F为目标函数，W为输入光谱与拟合背景基线之间的惩罚因子所组成的左对角矩
阵，Y为输入光谱，Z为拟合背景基线，λ为平滑参数，I
N
为单位矩阵，η为调节参数且取值范围限制在[0,1]，矩阵D1、D2为一、二阶求导矩阵，定义为：S302，对步骤S301得到的F求导，并令其等于0，得到光谱基线表达式为：其中T表示矩阵转置；S303，筛选测试光谱数据Y0，并设置参数λ、η、最大迭代次数max
iter
和ratio；S304，基于S302的公式进行迭代，并在每次迭代后判断是否满足迭代条件：|W
t
‑
W
t
‑1|/|W
t
‑1|＜ratio，如果不满足则继续迭代，否则结束迭代，最后得到迭代拟合基线Z，并将迭代结束后获得的光谱Y减Z，从而获得校正后拉曼光谱。5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：徐德刚，李州，苏志芳，万坤，阳春华，桂卫华，
申请(专利权)人：中南大学，
类型：发明
国别省市：