彭玲玲, 谢绍荣, 孟祥厅, 焦宝宝, 刘林, 刘小亮
铌钽矿石中富含的铀(U)和钍(Th)等放射性元素含量的分析测定是铌钽矿开发过程中的重要环节,对于辐射安全评估和环境保护具有重要的意义。本文基于激光诱导击穿光谱(LIBS)技术结合随机森林(RF)算法,在实验室条件下开展了铌钽矿石中放射性元素U、Th含量的定量分析工作。利用传统高纯锗(HPGe)γ能谱仪对11个铌钽矿石样品进行U、Th含量的测定,并设为LIBS的参考值。其中的9个样品设置为训练集,用于RF的建模;余下2个样品设为测试集用于模型验证。采用全谱面积归一化后的LIBS光谱及其相应含量作为RF算法的数据集,首先通过五折交叉验证对RF的决策树数量参数进行了优化,再结合重要性得分阈值设定探讨了LIBS光谱的波长特征的筛选对于预测结果的影响。结果显示,结合波长特征筛选,以优化的决策树参数建立RF模型,训练集中U和Th均方根误差(RMSEC)分别为48和313 μg/g;对于2#、6#样品中U和Th含量的预测,测试集均方根误差(RMSEV)分别为141、209 μg/g和750、914 μg/g;两种元素多次测量预测值的相对标准偏差(RSD)均在7%以内,且多次测量平均值与γ谱仪测量值相比,两种元素的预测相对误差(RE)均在8%以内。上述结果表明LIBS技术结合RF算法可以有效地实现铌钽矿石中放射性元素U和Th的定量分析,为铌钽矿石的精准开采与评估提供参考。