泰克鑫科手持 XRF 助力 ACOR-SVR 算法实现矿石重金属极速精准定量 发布日期：2026-10-12 15:09:49    文章来源：Tecsync(泰克鑫科)智能制造 探索微观世界，解析万物之本

泰克鑫科手持 XRF 助力 ACOR-SVR 算法实现矿石重金属极速精准定量

近日，国际分析化学领域权威期刊 《Analytica Chimica Acta》（IF 6.0+）发表了关于矿石重金属 XRF 定量分析的最新研究成果。研究提出了基于连续域蚁群算法优化的竞争性自适应重加权采样与支持向量回归（ACOR-CARS-SVR，简称 ACSVR）智能分析框架。

值得关注的是，本项研究中 170 个矿石标样的高质量 XRF 光谱采集均由泰克鑫科（TECSYNC）推出的TS-XH4000 手持式能量色散 XRF 光谱仪完成。仪器稳定的激发与出色的分辨率，为前沿 AI 算法的构建提供可靠的数据基础。

图示包括样品前处理、泰克鑫科手持光谱采集、ACOR-CARS变量筛选与ACOR-SVR建模全流程

一、 科学依据：连续域蚁群（ACOR）优化的特征通道选择

在矿石 XRF 光谱分析中，高维的通道会伴随着严重的背景散射与基体干扰。传统的 CARS 算法使用固定的指数衰减函数（EDF），容易在筛选前期过早的剔除微弱的交叉干扰信息，但是这些信息在分析时有时是关键的。

● 动态轨迹寻优： 论文将连续域蚁群算法（ACOR）引入 CARS 变量保留轨迹的寻优中，自适应调节特征剔除路径，防止关键信息遗失。

● 保留通道的物理归因： 筛选出的特征集中在理论特征荧光线（如 Cu Kα 8.04 keV、Pb Lβ 12.61 keV 等），同时保留了共存元素（如 Fe、Zn）的补偿通道与散射背景，具备高度的物理可解释性。

二、 深度表征：智能超参数寻优的非线性支持向量回归

针对复杂矿石基体效应（Matrix Effects）带来的强非线性响应，研究采用 RBF 核函数的支持向量回归（SVR），并利用 ACOR 在连续解空间内自动寻优关键超参数（惩罚系数 C 与核宽度 γ。

消融实验证明：ACSVR 相比传统 SVR 与线性模型（PLSR/MLR），预测均方根误差（RMSEP）降幅最高达 91.4%，彻底解决了全光谱训练下的过拟合与基体干扰问题。