基于太赫兹时域光谱学的磁铁原石中全岩铁含量的定量评估

科学领域:

• 地质化学 地质化学
• 频谱学是一种光谱学.
• 机器学习 机器学习

背景情况:

• 精确确定全岩铁 (TFe) 含量对于地质分析至关重要.
• 像X射线光光谱 (XRF) 这样的传统方法可能耗时.
• 太赫兹时域光谱 (THz-TDS) 提供了一个潜在的非破坏性分析技术.

研究的目的:

• 为了确定THz-TDS测量和Bayan Obo原石中的TFe含量之间的相关性.
• 使用THz-TDS数据开发和比较用于定量TFE分析的机器学习模型.
• 评估THz-TDS作为元素内容检测的快速方法的准确性和潜力.

主要方法:

• 太赫兹时域光谱法 (THz-TDS) 用于测量各种深度的原石样本的光谱性质 (吸收系数,折射率).
• 整个岩石中的铁 (TFe) 含量是使用传统的X射线光光谱学 (XRF) 进行比较来确定的.
• 训练了三个机器学习算法 - - 部分最小平方回归 (PLSR),随机森林 (RF) 和多层感知器 (MLP) - - 来从THz-TDS数据中预测TFe含量.

主要成果:

• THz-TDS测量显示了与XRF确定元素含量相似的趋势,表明了相关性.
• 开发的机器学习模型成功预测了TFe含量.
• 多层感知子 (MLP) 模型表现出最高的精度,达到0.945.2的确定系数 (R2).

结论:

• 太赫兹时域光谱 (THz-TDS) 是一种可行的技术,用于快速,非破坏性地量化原石中的全岩铁 (TFe) 含量.
• 机器学习算法,特别是MLP,显著提高了从THz-TDS数据中预测TFe内容的准确性.
• 这项研究提供了一种新的,有效的方法来检测矿物成分含量,这对地质勘探和分析有影响.