便携式XRF快速测定重金属含量的方法和装置与流程

本发明涉及环境监测的，尤其是涉及一种便携式xrf快速测定重金属含量的方法和装置。

背景技术：

1、便携式x射线荧光光谱仪(pxrf)可用于土壤中重金属元素定量分析，目前在环境保护领域应用较多，其在制样方便、无损、快速等方面优于其它分析方法，但其在定量精度和样品适应范围等方面一直受到挑战。

2、传统的便携式x射线荧光光谱分析会采用经验系数法或多元回归法，通过对标准样品的各个元素的荧光强度与含量建立数学模型，得到校准曲线，来对元素含量进行定量分析。这种方法的缺点是需要先制备校准曲线，一定程度上影响了pxrf用于元素分析的快捷性。并且，即使有一系列标准样品用于建立校准曲线，对未知样品的定量分析精度也受到与标准样品基体一致性、元素之间含量关系、样品制备是否达到标准样品物理状态等情况的影响。

技术实现思路

1、本发明的目的在于提供一种便携式xrf快速测定重金属含量的方法和装置，以缓解了现有技术中便携式xrf测定重金属含量的方法存在的定量分析精度差、样本适应性弱以及分析时间长的技术问题。

2、第一方面，本发明提供一种便携式xrf快速测定重金属含量的方法，包括：获取待测定样本中多种重金属元素的pxrf测量数据；利用预设数据字典对所述pxrf测量数据进行处理，得到所述pxrf测量数据对应的特征数据；其中，所述预设数据字典中包括：特征名称、特征含义和数值类型；利用目标机器学习模型对所述特征数据进行处理，得到所述pxrf测量数据对应的指定重金属元素含量；其中，所述目标机器学习模型是基于多组pxrf测量数据及其对应的指定重金属元素的实验室含量测量值训练后确定的模型。

3、在可选的实施方式中，所述方法还包括：获取多组样本测量数据；其中，每组所述样本测量数据包括：多种重金属元素的pxrf测量数据及其对应的指定重金属元素的实验室含量测量值；利用特征生成工具对所述多组样本测量数据中的pxrf测量数据进行处理，得到所述多组样本测量数据的若干数据特征；计算每种所述数据特征的特征重要性评分，以保留特征重要性评分大于0的目标数据特征；基于所有所述目标数据特征构建所述预设数据字典。

4、在可选的实施方式中，所述方法还包括：利用所述预设数据字典对每组所述样本测量数据中的pxrf测量数据进行处理，得到每组所述样本测量数据对应的特征数据；基于多组所述样本测量数据对应的特征数据及其对应的指定重金属元素的实验室含量测量值对初始机器学习模型进行训练，得到所述目标机器学习模型。

5、在可选的实施方式中，基于多组所述样本测量数据对应的特征数据及其对应的指定重金属元素的实验室含量测量值对初始机器学习模型进行训练，包括：按照预设比例将所述多组样本测量数据划分为训练集、验证集和测试集；利用所述训练集对所述初始机器学习模型进行训练，并利用所述验证集进行早停，得到当前最优模型；判断所述当前最优模型在所述测试集上的泛化性能是否符合预设条件；若符合，则将所述当前最优模型作为所述目标机器学习模型；若不符合，则调整预设模型参数，并重新对所述初始机器学习模型进行训练，直至得到所述目标机器学习模型。

6、在可选的实施方式中，利用所述训练集对所述初始机器学习模型进行训练，并利用所述验证集进行早停，包括：重复执行多轮下述步骤，直至目标轮的重金属含量平均绝对误差小于其上一轮的重金属含量平均绝对误差，且小于其后续指定轮数的重金属含量平均绝对误差；初始化模型参数，得到第一模型参数；基于所述第一模型参数和所述训练集对所述初始机器学习模型进行训练，得到第一模型；计算所述第一模型在所述验证集上的重金属含量平均绝对误差。

7、在可选的实施方式中，所述目标机器学习模型包括以下其中一种：极端梯度提升树模型，神经网络模型。

8、在可选的实施方式中，采用以下其中任一种方法计算每种所述数据特征的特征重要性评分：三折交叉验证的lasso回归算法，岭回归算法，线性回归算法，树模型。

9、第二方面，本发明提供一种便携式xrf快速测定重金属含量的装置，包括：第一获取模块，用于获取待测定样本中多种重金属元素的pxrf测量数据；第一处理模块，用于利用预设数据字典对所述pxrf测量数据进行处理，得到所述pxrf测量数据对应的特征数据；其中，所述预设数据字典中包括：特征名称、特征含义和数值类型；第二处理模块，用于利用目标机器学习模型对所述特征数据进行处理，得到所述pxrf测量数据对应的指定重金属元素含量；其中，所述目标机器学习模型是基于多组pxrf测量数据及其对应的指定重金属元素的实验室含量测量值训练后确定的模型。

10、第三方面，本发明提供一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述实施方式中任一项所述的便携式xrf快速测定重金属含量的方法的步骤。

11、第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现前述实施方式中任一项所述的便携式xrf快速测定重金属含量的方法。

12、本发明提供了一种便携式xrf快速测定重金属含量的方法，应用基于多组pxrf测量数据及其对应的指定重金属元素的实验室含量测量值训练后的目标机器学习模型，处理多种重金属元素的pxrf测量数据对应的特征数据，以得到多种重金属元素的pxrf测量数据对应的指定重金属元素含量。与利用普通的经验公式或线性回归测定重金属含量的方法相比，该方法具有更强的样本适应性和更高的定量精度，并且，因为无需等待实验室制备标准曲线，所以还能保障pxrf的快捷性。

技术特征：

1.一种便携式xrf快速测定重金属含量的方法，其特征在于，包括：

2.根据权利要求1所述的便携式xrf快速测定重金属含量的方法，其特征在于，所述方法还包括：

3.根据权利要求2所述的便携式xrf快速测定重金属含量的方法，其特征在于，所述方法还包括：

4.根据权利要求3所述的便携式xrf快速测定重金属含量的方法，其特征在于，基于多组所述样本测量数据对应的特征数据及其对应的指定重金属元素的实验室含量测量值对初始机器学习模型进行训练，包括：

5.根据权利要求4所述的便携式xrf快速测定重金属含量的方法，其特征在于，利用所述训练集对所述初始机器学习模型进行训练，并利用所述验证集进行早停，包括：

6.根据权利要求1所述的便携式xrf快速测定重金属含量的方法，其特征在于，所述目标机器学习模型包括以下其中一种：极端梯度提升树模型，神经网络模型。

7.根据权利要求2所述的便携式xrf快速测定重金属含量的方法，其特征在于，采用以下其中任一种方法计算每种所述数据特征的特征重要性评分：三折交叉验证的lasso回归算法，岭回归算法，线性回归算法，树模型。

8.一种便携式xrf快速测定重金属含量的装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7中任一项所述的便携式xrf快速测定重金属含量的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现上述权利要求1至7中任一项所述的便携式xrf快速测定重金属含量的方法。

技术总结
本发明提供了一种便携式XRF快速测定重金属含量的方法和装置，涉及环境监测的技术领域，包括：获取待测定样本中多种重金属元素的pXRF测量数据；利用预设数据字典对pXRF测量数据进行处理，得到pXRF测量数据对应的特征数据；利用目标机器学习模型对特征数据进行处理，得到pXRF测量数据对应的指定重金属元素含量；其中，目标机器学习模型是基于多组pXRF测量数据及其对应的指定重金属元素的实验室含量测量值训练后确定的模型。与利用普通的经验公式或线性回归测定重金属含量的方法相比，该方法具有更强的样本适应性和更高的定量精度，并且，因为无需等待实验室制备标准曲线，所以还能保障pXRF的快捷性。

技术研发人员：张元,张丹
受保护的技术使用者：北京市生态环境保护科学研究院
技术研发日：
技术公布日：2024/1/13