基于特征变量优选策略的土壤重金属含量X荧光光谱检测

摘要

建立土壤重金属含量的X射线荧光(X-ray Fluorescence, XRF)定量模型,为土壤重金属快速测量提供方法。采集87个土壤样品的光谱信号,通过BOSS算法建立土壤重金属含量的BOSS-PLS预测模型,在此基础上为进一步优化模型,使用ICO算法对光谱进行变量筛选,保留强信息变量与弱信息变量,建立ICO-BOSS-PLS模型,并与常规波长选择算法建立的预测模型进行对比分析。结果表明,ICO-BOSS-PLS模型的预测结果要优于常规波长选择算法的建模,其中,ICO-BOSS-PLS模型预测的结果,其重金属的相关系数R2达到0.97以上,均方根误差达到25。综上,使用ICO-BOSS-PLS建模是一种有效的XRF光谱定量建模方法,为土壤重金属快速检测模型的建立提供了一定的技术支持。