K-means—WNN法解析EDXRF中Fe、Ta含量算法评价

作者：黄凯; 钟文义; 罗超; 颜瑜成; 钟丁生

来源：核电子学与探测技术, 2018, 38(04): 587-591.

• K-means聚类
• 小波神经网络
• EDXRF分析
• 算法评价

运用能量色散X射线荧光分析方法,结合聚类分析和小波神经网络建立改进算法模型对EDXRF中Fe、Ta元素含量进行更好的定量准确分析。结果表明,改进后的算法模型与未加入聚类分析的小波神经网络算法结果相比,对五种矿物Fe含量的平均相对误差降低了11.89%,对Ta含量的平均相对误差降低了9.94%;对Fe含量的平均均方根误差降低了15.21%,对Ta含量的平均均方根误差降低了11.24%。该模型可以更好地反映元素特征X射线强度计数与含量之间的非线性关系,提高解析精准度。

• 出版日期2018
• 单位核工业西南物理研究院; 成都理工大学工程技术学院