儲陽

關(guān)鍵詞：近紅外反射光譜;標(biāo)準(zhǔn)歸一化;隨機森林;最小均方根誤差;巖石礦物

隨著社會經(jīng)濟的不斷發(fā)展，我國各個領(lǐng)域的建設(shè)對各種礦物資源的需求量也在不斷提升。礦物資源的利用涉及開采、儲存、使用等過程，各種巖石礦物成分、含量的準(zhǔn)確測定對實現(xiàn)礦物資源的合理利用有著極為重要的現(xiàn)實意義。實際上，礦物中各種組分與含量的測定均于實驗室中采用專業(yè)的化學(xué)方法進(jìn)行。但是，實驗檢測過程涉及較多實驗操作步驟，對人力、物力的需求量較大，且對各種檢測設(shè)備儀器的精確度有較高的要求，即使如此，也要采用破壞分解的方式對樣本進(jìn)行檢測[1]。隨著礦物檢測技術(shù)的發(fā)展，實驗室檢測范圍的局限性越來越弱。各種較為先進(jìn)的測定技術(shù)，如近紅外漫反射光譜分析技術(shù)等的應(yīng)用，在計算機精密計算的輔助下，大大提高了檢測結(jié)果的準(zhǔn)確性，并且不會對實驗樣本造成破壞。

1 天然巖石礦物成分分析

巖石的主要成分是礦物，但風(fēng)化后的巖石內(nèi)不僅有礦物，還存在諸多鹽類等其他物質(zhì)，且?guī)r石內(nèi)的礦物成分直接決定抗風(fēng)化能力。通常，礦物由巖漿內(nèi)結(jié)晶出來的順序影響硅酸鹽礦物的風(fēng)化順序，因此，可以根據(jù)晶系劃分礦物。晶系主要是根據(jù)礦物晶體對稱情況進(jìn)行分類的一種級別，根據(jù)具體對稱點的差別能劃分為3個晶族。在地表中，最快分解的是地下深處巖漿內(nèi)最早結(jié)晶的礦物，在巖漿內(nèi)最后結(jié)晶的礦物具有最強的抗風(fēng)化能力。因此，含有較多硅鋁礦物的中性巖、酸性巖比含有較多鐵鎂礦物的基性巖與超基性巖更容易風(fēng)化[2]。

變質(zhì)巖的礦物成分主要包括兩種：（1）和沉積巖或巖漿巖共有的礦物，包括云母、長石、石英;（2）變質(zhì)巖中存在的獨特礦物，包括蛇紋石、綠泥石以及滑石等。幾乎所有的單礦巖均由一類礦物構(gòu)成，體脹系數(shù)、導(dǎo)熱率以及顏色都相同，而且不會因為受到物理風(fēng)化影響而發(fā)生破碎。但是復(fù)礦巖不同，其中存在穩(wěn)定性較差的元素，會與晶格相脫離而移走，影響巖石的完整性。

2 近紅外光譜概述

近紅外光譜屬于一類分子吸收光譜，因為原子在物質(zhì)內(nèi)始終處于振動的狀態(tài)，一旦用紅外光照射物質(zhì)，分子吸收、分子振動以及轉(zhuǎn)動頻率相同的紅外光會出現(xiàn)分子振動能級的躍遷，從基態(tài)躍遷至較高能量能級，因為具體化學(xué)鍵均有不一樣的吸收頻率，在紅外光譜中會呈現(xiàn)不同的吸收峰，所以化學(xué)鍵吸收頻率不同時，實際所得的紅外光譜也會呈現(xiàn)一定差別[3]。近紅外光譜主要指位于4000～12000cm﹣1的紅外光譜，能將水分子，NH、OH、CH等含氫基團、羥基和金屬離子的結(jié)合方式以及合頻、倍頻吸收峰的振動特征反映出來。一般外界與內(nèi)部環(huán)境不會過多地影響該類基團的近紅外光譜特征，差異較為明顯，所以有一定的鑒別特征。

3 近紅外光譜在天然巖石礦物成分測定中的應(yīng)用

近紅外光譜技術(shù)在天然巖石礦物成分測定中的實際檢測效果需要通過正態(tài)性檢驗確定。實驗采用的樣本由白云母、高嶺土、蒙脫石3種成分組成。完成礦物質(zhì)配合后，采用近紅外光譜進(jìn)行礦物樣本成分檢測，對收集的光譜進(jìn)行分析與研究。在這一過程中，主要采用標(biāo)準(zhǔn)歸一化法分析收集到的相關(guān)數(shù)據(jù)，通過人工神經(jīng)網(wǎng)絡(luò)、主成分回歸、隨機森林、偏最小二乘法等模型處理相關(guān)數(shù)據(jù)[4]。在實驗中，通過分析、預(yù)測樣本中的3種成分得到的預(yù)測值和真實值之間的最小方根差對檢測結(jié)果進(jìn)行評價。

4 采用近紅外光譜進(jìn)行天然巖石礦物成分含量測定實驗

4.1 樣本獲取

在工業(yè)生產(chǎn)過程中，白云母、高嶺土、蒙脫石是3種使用量相對較大的礦物資源，因此，實驗采用這3種巖石制作實驗樣本更具代表性。

4.2 礦物光譜采集系統(tǒng)配置

完成樣本制作后，需采用礦物光譜采集樣本成分及其組成信息。天然巖石成分測定分析系統(tǒng)主要包括計算機顯示控制系統(tǒng)、采集控制模塊、近紅外光譜采集模塊。其中，近紅外光譜采集模塊主要包括線陣探測器、近紅外光譜儀、光纖、參考白板等;采集控制模塊主要由可平移、可升降、可旋轉(zhuǎn)的控制平臺組成[5]。

4.3 對光譜數(shù)據(jù)進(jìn)行預(yù)處理

近紅外光譜是一種較為常見的光譜類型，光譜區(qū)間介于中紅外區(qū)和可見光區(qū)之間，波長范圍為780～2 526 nm。在實驗中，巖石樣本的近紅外光譜波長區(qū)間為900～2 500 nm。實驗采用AvaSpec-NIR256-2.5光譜儀，剛好能實現(xiàn)波長為900～2 500 nm的光譜波長檢測。不同的巖石成分都有相應(yīng)的近紅外光譜放射信息，在實驗中可以實現(xiàn)清晰檢測，進(jìn)而分析光譜信息，得到對應(yīng)的巖石成分信息。

在處理數(shù)據(jù)前，采用預(yù)處理的方式避免不必要因素影響實驗結(jié)果的準(zhǔn)確性。較為常用的方法包括標(biāo)準(zhǔn)歸一化法、一階導(dǎo)數(shù)法、平滑法、平滑濾波法等，光譜處理波長也集中在950～2 450 nm。完成預(yù)處理之后就可通過構(gòu)建數(shù)學(xué)模型分析、預(yù)測礦物的未知組分。應(yīng)用較為廣泛的數(shù)學(xué)模型有人工神經(jīng)網(wǎng)絡(luò)、主成分回歸、隨機森林、最小二乘法等。標(biāo)準(zhǔn)歸一化法的應(yīng)用可以在較大程度上排除散射、噪聲對實驗結(jié)果的干擾，適用性較為顯著。

5 近紅外光譜對天然巖石礦物成分含量測定實驗的預(yù)測原理

在天然巖石礦物成分含量測定分析中，近紅外光譜技術(shù)是一種間接的分析技術(shù)，正處于應(yīng)用發(fā)展階段。這一技術(shù)的應(yīng)用需要以一定實驗為基礎(chǔ)，采用數(shù)學(xué)模型，以定性或者定量的方式分析、預(yù)測樣本成分及含量，達(dá)到實驗?zāi)康摹Ｔ趯嶒炦^程中，采用抽樣的方式進(jìn)行天然樣本實驗，對樣本的成分情況建立不同的模型，如主成分回歸分析、人工神經(jīng)網(wǎng)絡(luò)分析、偏最小二乘法分析等模型，實現(xiàn)對巖石礦物成分及含量的有效分析與預(yù)測。在充分實驗的基礎(chǔ)上，對未檢測的樣本礦物情況進(jìn)行預(yù)測，驗證該檢測方法的準(zhǔn)確性。

5.1 主成分回歸分析

主成分回歸分析主要是通過構(gòu)建矩陣的方式分析未知成分。在具體操作中，應(yīng)用內(nèi)容與方法包括主成分矩陣、光譜數(shù)據(jù)點分析、多元性回歸模型、待測組成含量矩陣等。

5.2 偏最小二乘回歸分析

偏最小二乘回歸分析是另一種對未知組分進(jìn)行預(yù)測的方法，是基于主成分回歸分析的一種方法。在實際操作中，需要結(jié)合光譜矩陣與組分含量矩陣的有效應(yīng)用對實驗數(shù)據(jù)進(jìn)行分析，得出兩者之間的相互關(guān)系，提升實驗結(jié)果的關(guān)聯(lián)性[6]。

5.3 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是一種主要由非變換神經(jīng)元組成的前回饋神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)較為復(fù)雜，采用反向傳播的算法，在預(yù)測與逼近實際數(shù)據(jù)方面有較好的應(yīng)用效果。

5.4 隨機森林

在處理實驗數(shù)據(jù)時，隨機森林也是較為常用的處理方法，這種方法的應(yīng)用是以Bagging算法為前提構(gòu)建的數(shù)學(xué)模型。相比于其他算法，隨機森林模型設(shè)計的參數(shù)相對較少，省略了對過多擬合問題的考慮、處理。所以隨機森林算法可以實現(xiàn)對數(shù)量較大樣本數(shù)據(jù)的處理，并且可以在較大程度上避免噪聲對實驗數(shù)據(jù)的干擾。隨機森林算法的應(yīng)用原理是采用自助采樣的方式進(jìn)行樣本處理，在實際應(yīng)用過程中，要求以較快速度生成測試樣本和訓(xùn)練樣本，并以此為依據(jù)形成隨機森林。實際實驗的預(yù)測結(jié)果可以結(jié)合具體分類樹分析得到具體情況。

6 采用近紅外光譜進(jìn)行天然巖石礦物成分含量測定實驗結(jié)果與討論

完成實驗后，對獲得的各組實驗情況進(jìn)行處理，將樣本數(shù)據(jù)平均分為兩組，一組用作測試樣本，另一組用作光譜訓(xùn)練樣本。首先，采用一階導(dǎo)數(shù)、平滑、標(biāo)準(zhǔn)化歸一、五點平滑濾波等較為常用的方法對光譜信息進(jìn)行科學(xué)處理，并以此為基礎(chǔ)建立數(shù)學(xué)模型進(jìn)行數(shù)據(jù)處理。將這4種數(shù)據(jù)模型分為非線性建模、線性建模兩種類型和方式。其中，非線性建模主要是人工神經(jīng)網(wǎng)絡(luò)模式與隨機森林模式，線性建模主要是主成分回歸模式與偏最小二乘法。其次，采用最小均方根誤差對判斷的準(zhǔn)確性進(jìn)行合理預(yù)測。

在實際操作中，采用隨機森林法分別對高嶺土、白云母、蒙脫石的預(yù)測結(jié)構(gòu)進(jìn)行制圖處理。其中，高嶺土預(yù)測值與真實值之間呈線性關(guān)系，白云母預(yù)測值與真實值之間呈線性關(guān)系，蒙脫石預(yù)測值與真實值之間呈相關(guān)性關(guān)系。

7 結(jié)語

隨著我國生產(chǎn)技術(shù)的不斷提升，各個領(lǐng)域的生產(chǎn)對各種礦物的需求量也在不斷提升，只有明確礦物組成成分，才能提高礦產(chǎn)資源開采的準(zhǔn)確性，提高對礦產(chǎn)資源的開采與利用效益。采用高嶺土、白云母、蒙脫石3種具有代表性的礦物進(jìn)行相關(guān)實驗，采用反射光譜信息測定的方式，結(jié)合各種預(yù)處理技術(shù)，構(gòu)建數(shù)學(xué)模型，分析紅外光譜得到的成分檢測結(jié)果。研究發(fā)現(xiàn)，采用標(biāo)準(zhǔn)歸一化法進(jìn)行建模處理最有利，采用非線性回歸模型比線性回歸模型得到的分析預(yù)測效果好。通過分析，希望能為相關(guān)礦物檢測人員與檢測工作提供有效借鑒。