共查询到10条相似文献,搜索用时 31 毫秒
1.
矿样中钛铁EDXRF分析的基体效应和神经网络校正研究 总被引:3,自引:0,他引:3
用能量色散X荧光(EDXRF)分析仪测量钛铁矿样时,存在基体效应影响分析准确性的问题.本文用EDXRF测得钛、铁元素特征峰,通过类Gauss函数对实测谱进行拟合分解,初步分析了矿样中Ti-Fe间的影响特征.针对各元素计数率与含量的非线性关系,采用先分类后预测的方法,首先用SOFM自适应神经网络对矿样分类,样本总数80组,对铁精矿、钛精矿的识别率为100%;然后用RBF神经网络进行钛铁含量预测,与化学分析结果对比,其中65.4%的样品相对误差在1%以内,其余均在3%以内,小于工业生产仪器分析相对误差5%的要求,表明基于先分类后预测的神经网络校正技术在矿样元素含量分析中有着一定的实用价值. 相似文献
2.
介绍了用能量色散X射线荧光光谱(EDXRF)法测定石灰岩矿中Ca含量的分析方法。该方法将石灰岩矿样品粉碎,加入AgNO_3溶液反应产生AgCl沉淀,用EDXRF法测量AgCl沉淀物中Ag含量,再通过测得的Ag含量换算成Ca含量。实验结果表明:该方法测量结果的相对误差不大于0.7%,RSD不大于1.6%;与WDXRF法比较,测量石灰岩矿中Ca含量为49.28%时,其相对误差为1.38%。 相似文献
3.
为了更好地定量分析矿石样品中铁、钛元素的含量,应用EDXRF分析技术建立了一个基于BP神经网络的预测模型。将矿石样品在EDXRF光谱仪中测得的荧光强度计数作为BP神经网络模型的输入变量,对该模型进行训练和检测。实验结果表明:该BP神经网络预测模型能获得较精确的结果,预测铁含量结果的相对误差不大于2.4%;预测钛含量结果的最大相对误差不大于2.3%;可用于地质矿石样品元素含量的分析预测。 相似文献
4.
5.
遗传算法优化的BP神经网络在EDXRF中对钛铁元素含量的预测 总被引:1,自引:0,他引:1
在能量色散X荧光分析(EDXRF)技术中,受均匀效应、颗粒效应和基体效应等的干扰,定量分析精度受到影响。本文针对这一问题提出了遗传算法(GA)优化BP神经网络(GA-BP)的混合算法,该算法无需考虑元素浓度和射线强度之间的复杂关系。遗传算法优化BP神经网络的目的是为了获得更好的网络初始权值和阈值,其基本思想是:将初始化的BP神经网络均方根误差的倒数编码为遗传算法中个体的适应度;初始的权值和阈值用遗传算法中的个体代替,然后通过选择、交叉和变异操作挑选出最优个体,最后通过解码用最优的权值和阈值创建一个新的BP网络模型。攀枝花矿区5类矿样中钛和铁含量的整体预测和分类预测实验表明,分类预测效果远好于整体预测。预测值与化学分析值比较结果表明,其中76.7%的样品相对误差小于2%,表明了该方法在元素间基体效应校正上的有效性。 相似文献
6.
为研究铅铋快堆瞬态热工水力特性,对RELAP5程序进行二次开发,添加铅铋合金(LBE)物性模型和液态金属流动换热模型,并与NACIE-UP和CIRCE-ICE台架的实验结果进行对比。计算结果表明:NACIE-UP台架稳态流量和温度相对误差在2%以内,瞬态相对误差不超过5%,与其他系统程序CATHARE、ATHLET、RELAP5-3D、RELAP5/MOD3.3(modified)相比,本文程序的相对偏差不超过10%;CIRCE-ICE台架稳态流量和温度相对误差在2%以内,瞬态相对误差不超过10%。本文程序满足反应堆系统热工水力分析程序精度要求,可作为铅铋快堆安全分析的有效工具。 相似文献
7.
基于基础BP神经网络,将VLBP神经网络应用在能量色散X荧光分析中。并分别采用基础BP、VLBP两个模型,对同一批实测铅锌矿样本进行预测,证明VLBP算法在定量分析中的优势。然后通过使用VLBP算法对铅锌矿石样品的Zn元素含量进行了预测,并与样品化学分析值对比。结果表明:预测值与化学分析值的相对误差小于5%。从样本中选取特征峰计数超过训练范围的样品进行预测,预测值与参考值的相对误差小于5%,可作为一个新型有效的方法应用在地质样品元素定量分析领域。 相似文献
8.
本文叙述了利用国产水合二氧化铅作为色层柱,从中子照射过的Li_2CO_3中,制备无载体~(18)F的简单而有效的方法。研究了影响吸附和解吸的因素,测定了产品的纯度。用这种方法得到的化学产额>75%,产品几乎全部是~(18)F~-,未发现有其它γ放射性杂质,~3H含量不超过~(18)F强度的0.3%,Li和Zr的含量分别<1.3 ppm和3ppm,分离时间少于30min。 相似文献
9.
10.
查明铀元素在矿石、岩石光片和薄片表面的含量及其分布特征,是岩矿工作的重要课题。目前通常采用X光干板及核乳胶照相方法。以上方法各有优点,但也有不足之处。两种方法都很难精确地确定样品表面铀含量的变化,而核乳胶照相方法的不足之处是限于测定低或超低含量样品(n·ppm;n·ppb)。本文介绍的自然蜕变径迹检测方法,可比较精确地确定出高、中含量(>100ppm)样品表面铀含量及其分布特征。本方法简便,适合野外生产单位使用。测定与计算方法的研究还处于初始阶段,只适用于已知平衡状态的纯铀岩矿样 相似文献