鐵礦粉中全鐵含量的SFIM-RFR高光譜預(yù)測模型

高 偉，楊可明*，李孟倩，李艷茹，韓倩倩

1. 中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院，北京 100083 2. 華北理工大學(xué)，河北 唐山 063210

引 言

鐵是人類最早發(fā)現(xiàn)、 用途最廣泛、 用量最大的一種具有戰(zhàn)略性地位的金屬。鐵礦粉中全鐵含量的測定在鐵礦開采、 鐵礦石精選、 鐵礦粉冶煉等環(huán)節(jié)及鐵礦粉品質(zhì)評價等方面有重要意義，目前國內(nèi)外使用最廣泛的鐵礦粉全鐵含量測定方法為化學(xué)分析法[1-2]，但此類方法存在時間長、 藥品昂貴、 化驗廢液污染環(huán)境等諸多缺點。高光譜遙感數(shù)據(jù)具有光譜分辨率高、 譜線連續(xù)、 隱含信息豐富等特點[3]，已廣泛應(yīng)用于物質(zhì)含量預(yù)測與豐度反演，如基于高光譜數(shù)據(jù)的變換等處理，可采用線性回歸(linear regression，LR)、 多元逐步回歸(stepwise multiple linear regression，SMLR)、 偏最小二乘回歸(partial least-squares regression，PLSR)、 支持向量機(support vector machine，SVM)等方法預(yù)測植物葉綠素含量[4-5]；采用模糊識別(fuzzy recognition，F(xiàn)R)、 SMLR、 PLSR等方法預(yù)測土壤中有機碳含量、 有機質(zhì)含量和重金屬元素含量[6-8]；也有學(xué)者使用高光譜數(shù)據(jù)結(jié)合PLSR和LR等回歸分析方法對土壤、 植物葉片中全鐵及其他形態(tài)鐵的含量進行預(yù)測研究[9-10]。

國內(nèi)外學(xué)者在使用光譜數(shù)據(jù)進行鐵礦物質(zhì)全鐵含量預(yù)測方面取得了一定成果。Yangmin G[11]等將稀疏偏最小二乘(hybrid sparse partial least-squares，SPLS)與最小二乘支持向量機(least-squares support vector machine，LS-SVM)結(jié)合，建立了分析鐵礦石純度的SPLS-LS-SVM模型，模型性能較傳統(tǒng)的SPLS模型和LS-SVM模型更好；李穎娜[12]等建立了基于反向傳播(back propagation，BP)和徑向基函數(shù)(radial basis function，RBF)的集成神經(jīng)網(wǎng)絡(luò)多物相鐵礦石全鐵含量預(yù)測模型，實現(xiàn)了鐵礦石物相分類與全鐵含量預(yù)測；何群[13]等建立了條帶狀鐵建造鐵礦石全鐵含量的PLSR預(yù)測模型，全鐵含量的預(yù)測誤差為3.43%?！?br>