基于惩罚最小二乘算法的土壤重金属检测光谱基线校正

针对X射线荧光光谱分析技术在检测土壤重金属过程中由于土壤背景复杂、包含大量噪声和干扰信息而易受基体效应影响的问题，为了提高定量分析模型的精度，利用惩罚最小二乘算法拟合基线与真实基线之间的保真度和平滑度，对X射线荧光光谱进行基线校正，从而减小基线漂移的影响。选用无基线扣除、非对称最小二乘(ASLS)、自适应迭代重加权惩罚最小二乘(AIRPLS)、非对称重加权惩罚最小二乘(ARPLS)、局部对称重加权惩罚最小二乘(LSRPLS)和多约束重加权惩罚最小二乘(DRPLS) 等6种处理方法对土壤重金属元素铅和砷的测量光谱进行基线校正;结合偏最小二乘(PLS)算法建立相应的校正模型，以选择最优基线校正算法;与神经网络(BP)和支持向量机(SVR)建立的校正模型进行比较，对模型进行评价。结果显示，铅元素的最佳模型为DRPLS-PLS，模型的R2达到0.982，预测均方根误差(RMSEP)为0.056 mg/kg;砷元素的最佳模型为DRPLS-PLS模型，模型的R2达到0.985，RMSEP为0.796mg/kg。与PLS和BP模型相比，铅、砷两种元素的SVR模型建模均最优，模型的R2分别达到0.998和0.993，RMSEP分别为0.015、0.596mg/kg。实验表明，通过基线校正后模型的预测精度、检出限和稳定性均有所提高，该方法可有效提高X射线荧光光谱在土壤中的定量分析能力。