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。
声明:
“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” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)