摘要：为了探索人工智能在铁矿石品质快速检验中的应用，研究了机器学习算法与化学计量学和Ｘ射线荧光光谱仪（ＸＲＦ）相结合快速测定铁矿石中全铁含量的方法。收集来自于不同产地的，主要物相为赤铁矿、褐铁矿、磁铁矿、针铁矿和多物相混和结构的铁矿石样品共１　０９８个作为样本集。采用Ｘ射线荧光光谱仪对铁矿石样品熔片进行扫描，扫描后的光谱图提取数据点后作为神经网络的输入，以全铁含量作为输出结果。然后依据Ｘ射线衍射（ＸＲＤ）得到的物相结构优化自组织（ＳＯＭ）网络，并对全部样本的ＸＲＦ图谱进行分类，对分类后的每一个子集分别采用反向传播（ＢＰ）和径向基函数（ＲＢＦ）网络建立回归子模型，对各子模型的预测结果进行整合，最终建立基于集成神经网络和Ｘ射线荧光光谱法的铁矿石中全铁含量预测模型。方法模型建立后，不需要额外标准物质建立校准曲线，能够实现对未知样品的分类和输出全铁含量结果。关键词：铁矿石；Ｘ射线荧光光谱法；Ｘ射线衍射；反向传播（ＢＰ）神经网络；径向基函数（ＲＢＦ）神经网络；集成神经网络下载高清全文——基于神经网络集成_X射线荧光光谱法的铁矿石中全铁含量测定.pdf