[發明專利]一種基于隨機森林算法的鞍山式鐵礦成分及含量測定方法

在審

• 申請號: 201911334487.6
• 申請日: 2019-12-23
• 公開（公告）號: CN110907379A
• 公開（公告）日: 2020-03-24
• 發明（設計）人: 鐘小宇;毛亞純;熊宏啟;劉善軍;孫厚廣;王東;徐冬林;楊威
• 申請（專利權）人: 鞍鋼集團礦業有限公司
• 主分類號: G01N21/31
• 分類號: G01N21/31
• 代理公司: 鞍山貝爾專利代理有限公司 21223
• 代理人: 顏偉

1.一種基于隨機森林算法的鞍山式鐵礦成分及含量測定方法，其特征在于，包括如下步驟：

1）對已知成分含量的已知樣品進行可見光-近紅外光譜測試，應用隨機森林算法分析已知樣品的反射光譜與Fe₃O₄、Fe₂O₃、SiO₂、TFe這4個成分含量之間的對應關系，并對其進行調參與訓練，以此作為數據庫；

2）在鐵礦采場現場，對某地點爆破后炮孔處的粉末狀樣品進行取樣，利用可見光-近紅外光譜儀對樣品進行光譜測試，獲取的光譜曲線作為該炮孔處實驗樣品的光譜曲線；

3）應用隨機森林算法基于步驟1）現有數據庫中的已知樣品的可見光-近紅外光譜特征與Fe₃O₄、Fe₂O₃、SiO₂、TFe成分含量之間的對應關系，對步驟2）實驗樣品中的Fe₃O₄、Fe₂O₃、SiO₂、TFe含量進行預測估計；

3.1）取現有數據庫中的已知樣品的可見光-近紅外光譜特征與對應Fe₃O₄含量的數據作為模型訓練庫中的訓練樣本，應用隨機森林算法建立已知樣品反射光譜與Fe₃O₄含量的對應關系；再以現有數據庫中的已知樣品的光譜為先驗知識，通過該關系對步驟2）實驗樣品的Fe₃O₄含量進行預測估計；

3.2）取現有數據庫中的已知樣品的可見光-近紅外光譜特征與對應Fe₂O₃含量的數據作為模型訓練庫中的訓練樣本，應用隨機森林算法建立已知樣品反射光譜與Fe₂O₃含量的對應關系；再以現有數據庫中的已知樣品的光譜為先驗知識，通過該關系對步驟2）實驗樣品的Fe₂O₃含量進行預測估計；

3.3）取現有數據庫中的已知樣品的可見光-近紅外光譜特征與對應SiO₂含量的數據作為模型訓練庫中的訓練樣本，應用隨機森林算法建立已知樣品反射光譜與SiO₂含量的對應關系；再以現有數據庫中的已知樣品的光譜為先驗知識，通過該關系對步驟2）實驗樣品的SiO₂含量進行預測估計；

3.4）取現有數據庫中的已知樣品的可見光-近紅外光譜特征與對應TFe含量的數據作為模型訓練庫中的訓練樣本，應用隨機森林算法建立已知樣品反射光譜與TFe含量的對應關系；再以現有數據庫中的已知樣品的光譜為先驗知識，通過該關系對步驟2）實驗樣品的TFe含量進行預測估計。

2.根據權利要求1所述的測定方法，其特征在于，所述數據庫覆蓋了Fe₃O₄、Fe₂O₃、SiO₂、TFe成分含量不同的已知樣品的光譜。

3.根據權利要求1所述的測定方法，其特征在于，所述步驟2）中，取樣方法為：于巖礦出露較好的炮孔處，采用一條鏟溝法采樣，混合均勻，作為實驗樣品。

4.根據權利要求1所述的一種基于隨機森林算法的鞍山式鐵礦成分及含量測定方法，其特征在于，所述步驟1）和3）中的反演預測模型中特征變量個數為31，決策樹的個數為500。