Алгоритм формирования методик регрессионного анализа концентрации основного компонента в минеральном сырье рентгенофлуоресцентным методом : научное издание
Библиографическое описание:Алгоритм формирования методик регрессионного анализа концентрации основного компонента в минеральном сырье рентгенофлуоресцентным методом : научное издание / Д. В. Грузенкин. - Текст : непосредственный // Информатика. Экономика. Управление. - 2023. - Т.2, №4. - С. 209-217. - ISSN 2782-5280, DOI 10.47813/2782-5280-2023-2-4-0209-0217.
Аннотация:Рентгенофлуоресцентный анализ на сегодняшний день является весьма востребованным во многих отраслях науки и техники, например, в медицине и биологии, металлургии и геологии. Его популярность обусловлена высокой скоростью выполнения и относительно высокой точностью результатов. Стоит отметить, что чем более высокая точность результатов ФРА требуется, тем больше необходимо затратить времени на подготовку к анализу. То есть необходимо затрачивать время, как на калибровку прибора, так и возможно на дополнительную пробоподготовку. В связи с чем становится актуальным вопрос создания таких методов рентгенофлуоресцентного анализа, которые бы обеспечивали высокую точность получаемых результатов вместе с непродолжительным временем выполнения. Такая методика анализа была разработана и описана ещё в 2020 году. Её суть заключается в применении регрессионного анализа для определения содержания золота, как основного компонента в ювелирных сплавах на основе золота, т.е. во вторичном сырье. Для определения золота используется обучающая выборка, которая содержит соотнесённые между собой интенсивности излучения компонентов проб с содержанием в них золота, определённым пробирным методом анализа. В данной работе предлагается применять аналогичный подход для анализа минерального сырья, поскольку, например, сырьё с одного месторождения может иметь примерно схожий состав, что позволяет собрать достаточно статистических данных для применения регрессионного анализа. Также в данной работе предложен укрупнённый алгоритм разработки такого рода методик рентгенофлуоресцентного анализа. Методики, подобные описанной, имеют ограниченное применение, поскольку зависят от репрезентативности обучающей выборки и поэтому могут применяться лишь для анализа примерно однотипных материалов, однако, в качестве их сильной стороны отмечается высокая точность и малые временные затраты.
X-ray fluorescence analysis today is in great demand in many branches of science and technology, for example, in medicine and biology, metallurgy and geology. Its popularity is due to its high execution speed and relatively high accuracy of results. It is worth noting that the higher the accuracy of the PRA results is required, the more time must be spent preparing for the analysis. That is, it is necessary to spend time both on calibrating the device and possibly on additional sample preparation. In this connection, the issue of creating methods of X-ray fluorescence analysis that would ensure high accuracy of the results obtained along with a short execution time becomes urgent. This analysis technique was developed and described back in 2020. Its essence lies in the use of regression analysis to determine the gold content as the main component in gold-based jewelry alloys, i.e. in secondary raw materials. To determine gold, a training sample is used, which contains correlated radiation intensities of sample components with the gold content in them, determined by the fire assay method. In this work, it is proposed to use a similar approach for the analysis of mineral raw materials, since, for example, raw materials from one deposit may have approximately similar composition, which makes it possible to collect enough statistical data to use regression analysis. This work also proposes an enlarged algorithm for the development of such X-ray fluorescence analysis techniques. Methods similar to the one described have limited application, since they depend on the representativeness of the training sample and therefore can only be used to analyze approximately the same type of materials; however, their strengths are high accuracy and low time costs.
