本發(fā)明屬于激光探針定量分析技術(shù)，具體為一種提高激光探針分析精確度的方法，以利用多譜線比值法提高激光探針定量分析準(zhǔn)確度和精密度。該方法首先對被測元素和基體元素的多條譜線間的強(qiáng)度比值進(jìn)行優(yōu)化，然后將優(yōu)化后的一些強(qiáng)度比值作為定量分析模型的輸入值，對模型進(jìn)行訓(xùn)練，使用訓(xùn)練后的分析模型實現(xiàn)對被測物中被測元素的定量分析。該方法自動去除不合適的譜線比值，只留下那些能很好地反映被測元素含量信息和等離子體狀態(tài)信息的被測元素譜線和基體元素譜線的強(qiáng)度比值留下來參與定量分析，同時，在較寬的譜線強(qiáng)度比值選擇范圍內(nèi)，本發(fā)明的分析準(zhǔn)確度和精密度都好于內(nèi)標(biāo)法，說明魯棒性很好，有利于定量分析。

1.一種提高激光探針分析精確度的方法，首先在采集的標(biāo)準(zhǔn)樣品光譜中找到至少一條
能反映被測元素含量變化的譜線，另外根據(jù)決定系數(shù)選擇基體元素的至少二條譜線，其譜
線強(qiáng)度能夠反映其所處位置的等離子體狀態(tài)信息；利用找到的標(biāo)準(zhǔn)樣品中被測元素的譜線
和基體元素的譜線的一部分強(qiáng)度比值作為輸入值，標(biāo)準(zhǔn)樣品中被測元素的含量作為標(biāo)準(zhǔn)輸
出，對選取的分析模型進(jìn)行訓(xùn)練，獲得訓(xùn)練好的分析模型和被測元素最優(yōu)譜線比值集C1的
構(gòu)成規(guī)則，再按下述過程對被測元素進(jìn)行分析：
第1步使用激光探針系統(tǒng)采集被測物的光譜，并找到和標(biāo)準(zhǔn)樣品中該被測元素的最優(yōu)
譜線比值集C1中比值所用到的被測元素譜線和基體元素譜線；
第2步根據(jù)分析模型校準(zhǔn)環(huán)節(jié)獲得的被測元素最優(yōu)譜線比值集C1的構(gòu)成規(guī)則，構(gòu)建被
測物中被測元素的最優(yōu)譜線強(qiáng)度比值集C2；
第3步將被測元素最優(yōu)譜線強(qiáng)度比值集C2中的譜線強(qiáng)度比值作為輸入值，代入訓(xùn)練后
的分析模型，輸出被測元素的含量；
所述分析模型的訓(xùn)練過程為：
(a)選用n個和被測物基體構(gòu)成盡可能一致、元素含量已知的標(biāo)準(zhǔn)樣品，使用激光探針
系統(tǒng)對標(biāo)準(zhǔn)樣品采集光譜數(shù)據(jù)；
(b)在采集的標(biāo)準(zhǔn)樣品光譜中找到被測元素譜線和基體元素譜線；
(c)計算標(biāo)準(zhǔn)樣品的被測元素譜線和基體元素譜線間的強(qiáng)度比值，將每一條被測元素
譜線分別除以每一條基體元素譜線，得到包括m個譜線強(qiáng)度比值的譜線強(qiáng)度比值集C；
(d)分析模型參數(shù)確定與譜線強(qiáng)度比值集C優(yōu)化：
根據(jù)譜線強(qiáng)度比值和被測元素含量所做校準(zhǔn)曲線的決定系數(shù)R²的大小作為該強(qiáng)度比值
的優(yōu)劣判據(jù)，對譜線強(qiáng)度比值集C中的譜線強(qiáng)度比值進(jìn)行選擇，選取合適的譜線強(qiáng)度比值作
為分析被測元素含量所用的最優(yōu)譜線強(qiáng)度比值集C1，將譜線強(qiáng)度比值集中的譜線比值作為
分析模型的輸入值，標(biāo)準(zhǔn)樣品中被測元素的含量作為標(biāo)準(zhǔn)輸出，對分析模型進(jìn)行訓(xùn)練并預(yù)
測被測元素含量，根據(jù)訓(xùn)練和預(yù)測結(jié)果，確定最優(yōu)譜線強(qiáng)度比值集及其構(gòu)成規(guī)則和選定的
分析模型參數(shù)；
(e)使用步驟(d)確定的最優(yōu)譜線強(qiáng)度比值集C1作為輸入，以標(biāo)準(zhǔn)樣品中被測元素含量
作為標(biāo)準(zhǔn)輸出；并以選定的分析模型參數(shù)和訓(xùn)練參數(shù)，對分析模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的
分析模型。
2.根據(jù)權(quán)利要求1所述的提高激光探針分析精確度的方法，其特征在于，所述分析模型
為人工神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，偏最小二乘法，或者主成分回歸模型。
3.根據(jù)權(quán)利要求1所述的提高激光探針分析精確度的方法，其特征在于，步驟(d)中分
析模型參數(shù)確定與譜線強(qiáng)度比值集優(yōu)化的具體過程為：
(d1)計算譜線比值與所有用于訓(xùn)練分析模型的標(biāo)準(zhǔn)樣品中被測元素含量所做校準(zhǔn)曲
線的決定系數(shù)計算
(d2)以最小的作為選擇譜線比值的初始臨界R²即
(d3)選擇其的譜線比值作為BP-ANN的輸入值；按照BP-ANN中數(shù)據(jù)歸一化和反
歸一化的規(guī)則，對輸入值和輸出值進(jìn)行歸一化和反歸一化操作；采用去一交叉驗證法對標(biāo)
準(zhǔn)樣品中被測元素含量進(jìn)行預(yù)測；
(d4)嘗試選取分析模型的不同參數(shù)，重復(fù)步驟(d3)直到輸出結(jié)果一致，然后計算交叉
驗證的均方根誤差RMSECV；
(d5)令Δ為預(yù)先設(shè)定的步長，若大于等于中的最大
值，則執(zhí)行步驟(d6)，否則回到步驟(d3)；
(d6)做RMSECV和的關(guān)系曲線，從中得到最小RMSECV對應(yīng)的就做為最優(yōu)選取
其>最優(yōu)的譜線比值組成最優(yōu)譜線比值集C1，比值優(yōu)化完成；把計算最小RMSECV所用
的分析模型結(jié)構(gòu)和訓(xùn)練參數(shù)作為分析模型的結(jié)構(gòu)和訓(xùn)練參數(shù)，并記錄最優(yōu)譜線比值集C1的
構(gòu)成規(guī)則。
4.根據(jù)權(quán)利要求3所述的提高激光探針分析精確度的方法，其特征在于，步驟(d3)的具
體過程為：
(d31)每次從n個標(biāo)準(zhǔn)樣品中去掉1個，將剩余的n-1個標(biāo)準(zhǔn)樣品的光譜數(shù)據(jù)的譜線比值
作為校準(zhǔn)集，對人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；
(d32)將去掉的那個標(biāo)準(zhǔn)樣品的譜線比值集合作為測試集，將測試集輸入由訓(xùn)練集訓(xùn)
練好的人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測對應(yīng)的樣品中被測元素的含量；
(d33)將所有n個標(biāo)準(zhǔn)樣品按照步驟(d31)和(d32)輪流測試一遍，每個樣品必須并且僅
測試一次，獲得各標(biāo)準(zhǔn)樣品中被測元素的含量。
5.根據(jù)權(quán)利要求1到4中任一所述的提高激光探針分析精確度的方法，其特征在于，所
述被測物中被測元素最優(yōu)譜線強(qiáng)度比值集C2的構(gòu)成規(guī)則與所述標(biāo)準(zhǔn)樣品中被測元素最優(yōu)
譜線強(qiáng)度比值集C1的構(gòu)成規(guī)則一致。