小程序
微信小程序
人工客服
回顶部

应用遗传算法拟合偏振X射线荧光重叠谱 (1)

吴小朵 | -> | 821| 0| 0.290803MB |遗传算法,偏振X射线荧光,重叠谱分解,永磁材料

吴小朵 吴小朵 | 文档量 |浏览量13272

摘􀀁 要􀀁 X 射线荧光光谱分析由于受能量探测器分辨率的限制, 谱线重叠干扰严重。不采用合适的重叠谱峰分解或曲线拟合技术, 很难进行成分定性和定量分析。样品中的元素及谱线未知、背景基线不确定和模型初始参数不准确是曲线拟合中的最大困难。有多种算法可应用于光谱分析中的曲线拟合。文章将遗传算法应用于永磁材料偏振X 射线荧光中的重叠谱分解, 研究了进化策略对谱峰分解质量的影响, 比较了遗传算法与传统算法的拟合结果。研究表明遗传算法在谱线严重重叠情况下仍具有较强的谱峰分解能力; 群体初始化和进化策略的正确选择是该算法成功应用的关键; 遗传算法具有全局搜索能力, 对重叠谱峰的分辨能力优于标准Mar quardt􀀂Lev enberg 算法。
    能量色散X 射线荧光光谱分析目前已成为一种常规分析手段, 但由于能量探测器分辨率的限制, 谱线重叠干扰十分严重。不采用合适的重叠谱峰分解或曲线拟合技术, 就很难进行成分定性和定量分析。
    曲线拟合中的最大困难在于样品中元素及谱线未知, 背景基线不确定, 模型初始参数不准确等。目前多采用主成分分析[1􀀂4] , 各种因子分析方法[4􀀂6] , 及遗传算法[7􀀂10] 等。遗传算法( GA) 于1975 年首先提出[7] , 并迅速得以广泛应用, 在X 射线光谱及曲线拟合领域也已获得成功应用。研
究表明, 遗传算法的谱峰拟合能力好, 与标准M arquar dt􀀂Lev enberg (ML) 算法相比, 遗传算法能识别更多的谱线[ 11] 。遗传算法也已应用于X 射线和􀀁射线光谱拟合[ 12􀀂15] 、图形处理[16] 及X 射线管光谱响应函数拟合[ 17] 等。
    偏振X 射线荧光光谱法优于常规能谱XRF 分析技术[18, 19] , 将化学计量学和XRF 技术应用于多种材料分析符合当前的发展趋势[20􀀂22] 。本文将遗传算法应用于永磁材料偏振X 射线荧光分析中的重叠谱分解, 讨论了进化策略对谱峰分解质量的影响, 比较了遗传算法与Ma rquardt􀀂Levenber g( ML) 算法的拟合结果, 研究了遗传算法在谱线严重重叠情况下的拟合能力。
吴小朵发布的其他共享资料
    0 色谱币 下载

应用遗传算法拟合偏振X射线荧光重叠谱 (1)

(290.803K)

所需色谱币: 0

您持有: $userGold色谱币,完成任务赚取色谱币

立即下载

友情链接(联系QQ:47140047)
关于我们  经营理念  业务合作  联系我们  法律声明  网站建议  网站导航  帮助中心
Copyright © 色谱世界 版权所有 陇ICP备2024006362号-2