基于迁移成分分析的火星LIBS光谱数据定量分析方法OA北大核心CSTPCD

火星土壤中的元素成分及其含量是地质演化历史的重要记录载体,可以反映火星环境、气候等信息,因此对火星土壤进行检测和分析具有重要意义。本研究提出了一种迁移成分分析(TCA)结合随机森林(RF)的LIBS定量分析方法,用于预测火星在轨标样的K_(2)O质量分数。选取了383种标样在模拟火星环境下的光谱数据作为训练集,6种在轨标样在真实火星环境下的光谱数据作为测试集。使用训练集建立决策树为250棵的RF模型,其平均绝对误差(E_(MA))、均方根误差(E_(RMS))和平均相对误差(E_(MR))分别为1.117、1.148和10.104,预测性能较差。为了缩短训练集和测试集光谱数据之间的分布距离,建立TCA-RF模型并调整参数。相较于RF模型,TCA-RF模型的E_(MA)、E_(RMS)和E_(MR)分别降低了90.7%、88.1%和94.1%。而与参考模型MOC(一种偏最小二乘法结合独立成分分析的模型)对比,TCA-RF模型在预测测试集中K_(2)O质量分数≥0.15%的样品时,其准确性高于MOC模型。因此TCA-RF模型可以为探测火星土壤元素含量提供新的技术手段。