摘要
磷矿是我国不可再生的战略矿产资源，作为一种重要的化工原料，广泛应用于医疗、食品、化工、农业等各大领域。在磷加工产业链中从磷矿采选、磷酸、磷复肥及磷酸盐生产过程中，都需要对原料、中间产品和最终产品进行检测，大多数检测方法均需在实验室中完成，不能满足批量快速检测的需求。探寻一种对不同品位的磷矿进行快速鉴别和分类的新方法，对磷矿开采和加工有着至关重要的意义。本论文使用拉曼光谱技术与多种化学计量学方法结合对6种不同品味的磷矿样品进行分析，提出了一种基于拉曼光谱技术结合化学计量法实现不同品位磷矿快速鉴别和分类的新方法。 首先采用激发波长为532nm的共聚焦显微拉曼光谱检测设备获得了6种磷矿样品的拉曼光谱，分析了6种样品在200-1950cm-1范围内的经过自适应迭代重加权惩罚最小二乘算法基线校正、一阶导和二阶导3种方式预处理后的拉曼光谱特性，并对磷矿光谱中的特征峰归属情况进行了总结，发现想要仅从光谱上对不同品味磷矿样品进行区分十分困难。然后为了进一步探究不同品味磷矿之间聚类的情况，通过化学计量学中的无监督学习PCA降维算法初步发现了六种磷矿光谱具有分开的趋势，然后通过PCA与无监督聚类HCA算法结合成功将六种磷矿划分为了6组，分类准确率95%。 之后为找到对不同品味磷矿光谱之间分类贡献最大的差异特征峰和对磷矿品味进行分类预测，使用化学计量学中监督学习算法OPLS-DA和SVM对三种光谱预处理方式下磷矿光谱做了进一步分析。在OPLS-DA分析中，发现基线校准+平滑+一阶微分的光谱处理方法拟合的OPLS-DA模型效果最优。然后对该模型进行变量投影重要度分析和S-line分析，发现位于960cm?1附近V1（PO4）的拉曼特征峰对于分类贡献最大。最后建立了OPLS-DA磷矿预测模型，预测准确率达83.3%。在SVM分析中，首先将磷矿样品按品位分为了高低2类，然后基于PCA-SVM建立了磷矿拉曼光谱的二分类的判别模型，对比了不同光谱预处理方法，不同主成分数和不同核函数下所建立模型的性能，其中模型性能最优的模型的交叉验证平均准确率和预测准确率均达到100%。然后基于PCA-SVM算法建立了磷矿品位的多分类的判别模型，并对比了不同光谱预处理方法，不同主成分数，不同核函数和不同SVM多分类方法下所建立模型的性能，发现性能最佳模型的交叉验证平均准确率和预测准确率分别为97.9%和91.7%。最后开发了一款基于PCA-SVM算法的磷矿拉曼光谱快速鉴别软件。本研究工作的结果展示了拉曼光谱技术与化学计量学结合在磷矿品味快速检测和分类方面的优势，为今后拉曼光谱技术用于现场磷矿品味快速检测打下基础。
NETL