一种快速反演稀土Ce元素含量的方法

技术领域

本申请涉及遥感高光谱技术领域，具体涉及一种快速反演稀土Ce元素含量的方法。

背景技术

稀土元素(Rare Earth Elements)指元素周期表ⅢB族中包括镧系元素及钇、钪在内的17种元素，被誉为“工业的维生素”，具有无法取代的优异磁、光、电性能，对改善产品性能、增加产品品种、提高生产效率起到了巨大的作用。由于稀土作用大，用量少，已成为改进产品结构、提高科技含量、促进行业技术进步的重要元素，被广泛应用到了冶金、军事、石油化工、玻璃陶瓷、农业、新材料等领域。近年来，随着地表稀土矿的不断开采，可采储量在不断减少，特别是牦牛坪矿床，急需在矿区深部及外围寻找新的矿体，以保证稀土矿产供给安全。

遥感技术是20世纪60年代兴起的一种探测技术，是根据电磁波的理论，应用各种传感仪器对远距离目标所辐射和反射的电磁波信息，进行收集、处理，并最后成像，从而对地面各种景物进行探测和识别的一种综合技术。任何物体都具有光谱特性，具体地说，它们都具有不同的吸收、反射、辐射光谱的性能。在同一光谱区各种物体反映的情况不同，同一物体对不同光谱的反映也有明显差别。即使是同一物体，在不同的时间和地点，由于太阳光照射角度不同，它们反射和吸收的光谱也各不相同。遥感技术就是根据这些原理，对物体作出判断。遥感技术通常是使用绿光、红光和红外光三种光谱波段进行探测。绿光段一般用来探测地下水、岩石和土壤的特性；红光段探测植物生长、变化及水污染等；红外段探测土地、矿产及资源。此外，还有微波段，用来探测气象云层及海底鱼群的游弋。目前，尽管遥感技术在稀土矿业已经得到了应用。但是，大部分集中于矿山动态监测及环境污染方面，而用于稀土找矿方面的成果较少；有限的稀土遥感找矿的文献主要集中于风化壳离子吸附型稀土矿，其数量也明显少于同为风化壳型铝土矿、镍矿等矿种。其主要原因大致有两方面。首先稀土矿产不像Fe、Cu、Au、铝土矿等大宗矿产有大批的从业人员，其专业技术人员少，少量的从业人员对遥感技术的了解又很有限，以至于遥感技术在稀土找矿应用中不广；其次，由于一些稀土矿大多分布在气候湿润地区，植被较为发育，遥感技术的找矿效果受到一定程度的影响。

针对上述情况，需要开发出一种针对碳酸岩型稀土矿便且易于计算和使用的方法。

发明内容

本申请的目的在于提供一种快速反演稀土Ce元素含量的方法，其基于一维DCT变换及神经网络训练反演模型，能够有效快速的反演碳酸岩型稀土Ce元素含量，该方法样本拟合度高，均方根误差小，对稀土Ce元素含量具有更高的预测精度，进而更好的为稀土矿勘察提供数据支持。

本申请的技术方案如下：

本申请实施例提供了一种快速反演稀土Ce元素含量的方法，其包括如下步骤：

采集稀土矿石样品，研磨过筛，分为样品A和样品B；

通过电感耦合等离子体质谱法对样品A进行测定，得到Ce元素的含量；

通过地物光谱仪对样品B进行测量，得到样品B的实际反射光谱数据；

将反射光谱数据进行重采样，选取数据作为研究对象，进行连续统去除处理和DCT变换；

在DCT域内，设定n个不同的阈值A

在绘制得到的双对数图上，利用最小二乘法确定不同滤波器的分界值；

根据确定的分界值，在DCT域内对研究对象光谱数据进行滤波处理，并对滤波结果进行IDCT变换；

对IDCT变换后的数据进行光谱变换处理，得到光谱变换数据；

分析得到的Ce元素的含量与光谱变换数据之间的相关性并选取特征波段；

基于神经网络对特征波段的光谱变换数据作为输入层进行反演模型训练与测试。

相对于现有技术，本申请的实施例至少具有如下优点或有益效果：

针对本申请实施例提供的一种快速反演稀土Ce元素含量的方法，其首先采集碳酸岩型稀土矿石样品，每个矿石样品重量为1.0～2.0kg，然后将采集到的样品去除石块、植物根系等杂物，并过40目筛，然后进一步将样品研磨并过200目筛，使样品形态满足后续测试需求。将样品分为A、B两份，其中样品A通过电感耦合等离子体质谱法(ICP-MS)测定得到Ce元素的含量，样品B通过地物光谱仪测量得到实际反射光谱数据，再对反射光谱数据按照一定的间隔进行重采样，选取一定量光谱数据作为研究对象，进行连续统去除处理以及一维离散余弦变换(简称DCT变换)，并绘制得到双对数图，再通过双对数图结合最小二乘法确定不同滤波器的分界值，并根据分界值对研究对象光谱数据进行滤波处理，对滤波结果进行一维离散余弦反变换(IDCT)，对得到的光谱数据进行一阶微分、二阶微分、倒数、倒数一阶微分、倒数二阶微分、倒数对数、倒数对数一阶微分、倒数对数二阶微分等光谱变换处理，然后采用Pearson(皮尔森)方法分析Ce元素含量和光谱变换数据之间的相关性，选取相关性系数大于0.5的光谱波段作为特征波段，最后基于神经网络对特征波段的光谱变换数据作为输入层进行反演模型训练与测试，最终实现碳酸岩型稀土Ce元素含量的反演。

其中，上述地物光谱仪采用ASD公司生产的FieldSpec Pro型地物光谱仪，其波长范围为350nm-2500nm。

该方法基于一维DCT变换及神经网络训练反演模型，能够有效快速的反演碳酸岩型稀土Ce元素含量，该方法样本拟合度高，均方根误差小，对稀土Ce元素含量具有更高的预测精度，进而更好的为稀土矿勘察提供数据支持。

进一步的，在本申请的一些实施例中，上述稀土矿石样品为碳酸岩型稀土矿石样品，研磨过200目筛，分为样品A和样品B。

进一步的，在本申请的一些实施例中，上述地物光谱仪的波长范围为350-2500nm，测量10次经算数平均后得到样品B的实际反射光谱数据。

进一步的，在本申请的一些实施例中，将反射光谱数据以5nm或10nm为间隔进行重新采样。

进一步的，在本申请的一些实施例中，重新采样后，选取350-2500nm范围内的432个或216个光谱数据作为研究对象，进行连续统去除处理和DCT变换。

进一步的，在本申请的一些实施例中，在绘制得到的双对数图上，利用最小二乘法拟合出斜率不同的多条直线段，直线段交点处所对应的振幅谱值用于确定不同滤波器的分界值。

进一步的，在本申请的一些实施例中，光谱变换处理包括一阶微分、二阶微分、倒数、倒数一阶微分、倒数二阶微分、倒数对数、倒数对数一阶微分、倒数对数二阶微分中的一种或多种。

进一步的，在本申请的一些实施例中，分析得到的Ce元素的含量与光谱变换数据之间的相关性，选取相关性系数大于0.5的光谱波段作为特征波段。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例中BP神经网络训练过程及结果图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将对本申请实施例中的技术方案进行清楚、完整地描述。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考具体实施例来详细说明本申请。

实施例1

本申请实施例提供了一种快速反演稀土Ce元素含量的方法，其包括如下步骤：

牦牛坪稀土矿，共采集碳酸岩型稀土矿石样品20件，每个样品的重量2.0kg，采集到的样品去除石块、植物根系等杂物后过40目筛，然后再将样品研磨后过200目筛，并将其分成样品A和样品B两份；

利用电感耦合等离子体质谱法(ICP-MS)对样品A进行测定，分别得到20件样品的Ce元素含量；

使用ASD公司生产的FieldSpec Pro地物光谱仪，其波长范围为350nm-2500nm，对样品B进行测量，每件样品测量10次，经算数平均后作为该样品的实际反射光谱数据；

将得到的实际反射光谱数据在Origin 2021软件中以5nm为间隔进行重采样，得到350-2500nm范围内的432个光谱数据；在ENVI 5.6软件中对432个光谱数据进行连续统去除处理，并在Matlab中进行一维离散余弦变换(简称DCT变换)；

在离散余弦变换域(DCT)内，在介于振幅谱的最大值与最小值之间设定30个不同的阈值A

在绘制得到的双对数图上，利用最小二乘法拟合出斜率不同的3条直线段，直线段交点处所对应的振幅谱值用于确定不同滤波器的分界值；

根据确定得到的能谱分界值，在DCT域内对光谱数据进行滤波处理；并对滤波结果，进行一维离散余弦反变换(IDCT)；

对一维离散余弦反变换(IDCT)后的光谱数据进行一阶微分、二阶微分、倒数、倒数一阶微分、倒数二阶微分、倒数对数、倒数对数一阶微分、倒数对数二阶微分等变换处理；

采用Pearson(皮尔森)方法分析Ce元素含量和步骤(8)中各种光谱变换数据之间的相关性，得到的相关系数表如表1所示，选取相关性系数大于0.5的光谱变换作为特征变量，如表2所示。

表1

表2

在Matlab神经网络工具箱中，采用BP神经网络对选取得到的14个特征变量及Ce元素含量实测值进行训练，训练过程及训练结果如图1所示，图中Train曲线是训练集，在本次训练中占比70％，用于确定BP神经网络的参数；Validation曲线为验证集，在本次训练中占比15％，用于验证每一次Train线条训练出的模型的精度，验证完成后，对模型采取了15％的数据来测试模型的精度。根据图示结果可看出，本次训练在数据集迭代6次时达到最佳训练精度，训练停止时的均方根误差为1.894。

图1中，Train线条(蓝色)为训练集，它的拟合效果R值为1，Validation线条(绿色)为验证集，它的拟合效果R值约为0.99，Test线条(红色)为测试集，它的拟合效果R值约为0.95，All线条(灰色)为本次实验的最终结果，它最终拟合R值约为0.96。

对比例

基于偏最小二乘法，采用倒数对数一阶微分变换后的光谱特征建立了模型如下：

Y＝37.182-94.316B

其决定系数为0.46，均方根误差为6.58，平均绝对误差为3.92，效果明显较神经网络方法所得结果要差。

综上，本申请实施例提供了一种快速反演稀土Ce元素含量的方法,其基于一维DCT变换及神经网络训练反演模型，能够有效快速的反演碳酸岩型稀土Ce元素含量，该方法样本拟合度高，均方根误差小，对稀土Ce元素含量具有更高的预测精度，进而更好的为稀土矿勘察提供数据支持。

以上所描述的实施例是本申请一部分实施例，而不是全部的实施例。本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。