尤 文， 夏阳鹏， 黄玉涛， 林京君， 林晓梅

1. 长春工业大学电气与电子工程学院， 吉林 长春 130012 2. 长春工业大学机电工程学院， 吉林 长春 130012 3. 吉林建筑科技学院， 吉林 长春 130012

引 言

激光诱导击穿光谱(laser-induced breakdown spectroscopy， LIBS)技术是一种元素含量分析技术[1-2]， 它具有原位、 实时、 快速、 可远程、 非接触、 无需样品准备等优点[3-5]， 可以分析元素周期表中的所有元素， 并且可以对固体、 液体、 气体、 气溶胶等任何状态下的物质进行检测[6-9]。 但是， LIBS光谱信息丰富， 包含了大量的原子和离子谱线， 实验重复性低， 实验结果误差较大。 在进行定量分析时， 用单一的特征谱线定标， 原始数据比较分散， 拟合相关性不高， 而且光谱利用率低， 模型稳定性差。 多变量分析可以扩展影响LIBS谱线的特征信息， 在一定程度上减小样品的波动性， 提高分析准确率[10]。 但是， 整个LIBS光谱数据稀疏且高维， 大多数谱线与分析元素无关。 此外， 无关的冗余变量不仅会增加模型复杂程度， 导致过拟合， 而且会使模型学习到杂散的噪声信息， 严重影响分析结果的准确性。 因此， 寻找一种高效的变量选择方法具有重要意义。

传统方法是根据光谱信息结合NIST数据库人为选择特征谱线作为分析变量， 效率低， 受主观因素影响较大。 而且， 手动选择无法识别元素间的相互作用， 特征谱线容易受到基体效应影响。 为了有效筛选LIBS特征光谱， 减少定量分析误差， 国内外学者对变量选择展开了大量的工作。 吴宜青等用竞争性自适应重加权算法(CARS)选择Cr元素的特征变量, 预测结果优于单变量、 五变量和全波段模型[11]。……