"
 
行星科学研究中心
 9188彩票网首頁  研究隊伍  數據與服務  教學與課程  實驗室儀器  新聞中心  關于我們  English 
 
關于我們
 
  學術進展
當前位置: 9188彩票网首頁>>關于我們>>學術進展>>正文
 
利用卷積神經網絡對ChemCam光譜數據進行定量分析
2020-07-29 15:56:00 曹學強    (點擊次數:)

激光誘導擊穿光譜法(LIBS)已應用于許多領域,用于各種地質樣品、材料的定量分析。我國天問一號將搭載LIBS儀器進行火星表面物質成分探測,因此提高LIBS光譜的回歸模型的預測精度對于未來我國火星探測具有重要意義。

在這項研究中,我們探索了對ChemCam光譜數據的定量分析,該光譜數據是由ChemCam團隊使用LIBS在類似火星的大氣條件下産生的。我們爲所有氧化物建立了具有統一參數的卷積神經網絡(CNN)回歸模型,該模型高效且簡潔。具有出色特征提取能力的CNN可以有效克服阻礙回歸模型預測准確性的化學基體效應。首先,我們探討了四個激活函數對CNN模型性能的影響。結果表明,具有雙曲正切(tanh)函數的CNN模型優于具有其他激活函數(ReLU函數,linear函數和Sigmoid函數)的CNN模型。其次,我們比較了使用不同優化方法的CNN模型之間的性能。與其它的CNN模型相比,具有隨機梯度下降(SGD)優化和初始學習率= 0.0005CNN模型可獲得令人滿意的性能。最後,我們比較了CNN模型、基于支持向量回歸(SVR)的模型和基于偏最小二乘回歸(PLSR)的模型的性能。結果表明,對于所有元素,CNN模型均優于SVR模型和PLSR模型。基于以上分析,我們得出了CNN回歸模型可以有效提高LIBS預測精度的結論。

研究成果發表于PLASMA SCIENCE & TECHNOLOGY.

Cao, X., Zhang, L., Wu, Z., Ling, Z., Li, J., Guo, K., 2020. Quantitative analysis modeling for the ChemCam spectral data based on laser-induced breakdown spectroscopy using convolutional neural network. PLASMA SCIENCE & TECHNOLOGY, in press, doi: 10.1088/2058-6272/aba5f6.

原文鏈接:https://doi.org/10.1088/2058-6272/aba5f6.

本研究得到國家自然科學基金(U1931211,41573056)、國家航天局民用航天技術預研項目(D020102)、山東省自然科學基金(ZR2019MD008)及山東省重大科研項目(GG201809130208)資助。



1. CNN模型的結構。


2. CNN模型、SVR模型和PLSR模型的性能比較。




關閉窗口
 
 

山东大学空间科学研究院行星科学研究中心    版权所有

 9188彩票网官网网址:http://www.klczbaby.com     网站地图