使用不同的机器学习算法进行激光诱导击穿光谱定量分析
摘要：激光诱导击穿光谱技术采用不同的经典机器学习方法对铝样品进行定量分析。使用1064 nm基频的Q开关Nd:YAG激光创建LIBS等离子体，预测铝标准合金成分浓度。在当前研究中，采用支持向量回归、多元线性回归、主成分分析与MLR和SVR的线性方法，以及人工神经网络、核化支持向量回归和传统主成分分析与KSVR集成的非线性算法进行浓度预测。此外，还应用PCA算法对各种方法进行降维，以改善定量分析。结果表明，PCA与KSVR算法模型的组合在大多数元素的预测中具有最高的效率，超过其他经典机器学习算法。
作者：Mohsen Rezaei, Fatemeh Rezaei, Parvin Karimi
论文ID：2304.07786
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2023-04-18