В предыдущей статье мы рассмотрели генерацию и отбор признаков. Исходные интенсивности аналитических линий преобразуются в набор математических признаков, позволяющих учитывать нелинейные зависимости, матричные эффекты и взаимное влияние элементов. После отбора из нескольких сотен возможных комбинаций остается ограниченный набор наиболее информативных и устойчивых признаков.
Следующий этап – построение калибровочной модели, которая должна установить зависимость между этими признаками и известными концентрациями элементов в опорных пробах, а затем использовать найденную зависимость для анализа образцов неизвестного состава. Но здесь возникает следующая проблема: универсального математического алгоритма, одинаково хорошо описывающего все зависимости в реальных многокомпонентных рудах и продуктах обогащения, нет. Разные модели по-разному работают с нелинейностью, коррелирующими признаками, изменением матрицы и ограниченным объемом калибровочной выборки.
Поэтому в разрабатываемом программном комплексе расчет выполняется параллельно с помощью четырех моделей: нейронной сети MLP, PLS-регрессии, градиентного бустинга и Lasso. Затем их прогнозы объединяются с помощью мета-модели.
Созданный программный комплекс предназначен для автоматизации количественного рентгенофлуоресцентного анализа (РФА) продуктов обогащения руд. Система направлена на повышение точности определения концентраций элементов в условиях выраженных матричных эффектов (поглощение, вторичное возбуждение, наложение линий) за счет учета физических законов формирования спектра и совместного применения нескольких вычислительных моделей.
Комплекс реализует сквозной цикл аналитической работы и объединяет следующие функциональные блоки:
- Аппаратный входной контроль: автоматическая отбраковка поврежденных спектров по живому времени, порогу мертвого времени и минимальной сумме отсчетов детектора.
- Интерактивная разметка и импорт: поддержка миграции данных из уже существующих программ для калибровки. Ручная разметка аналитических окон (ROI) на спектре и автоматическая привязка характеристических линий химических элементов.
- Генерация и отбор физических признаков: математический расчет спектральных отношений, парных произведений и лог-преобразований с пуассоновской аугментацией и рандомизированным отбором информативных параметров.
- Калибровка по четырем моделям со стекингом: синхронный расчет по четырем независимым алгоритмам (нейросеть MLP, PLS-регрессия, градиентный бустинг, Lasso) и объединение их прогнозов через взвешенную модель.
- Модуль перекрестной диагностики: K-Fold валидация для вычисления несмещенной погрешности и автоматический аудит расхождений с химией.
- Экспресс-анализ и потоковый мониторинг: обработка серий файлов со спектрометра и непрерывное слежение за каталогами измерений с автоматическим ведением суточных журналов.
