В ответ на потребность в быстром обнаружении тяжелых металлов в почве предложен метод выбора переменных характеристических длин волн на основе анализа ансамбля моделей и метод определения содержания тяжелых металлов в сельскохозяйственных почвах с использованием технологии рентгеновского флуоресцентного спектра. Были собраны значения рентгенофлуоресцентного спектра 91 приготовленного образца почвы для построения модели обнаружения тяжелых металлов в почве. Переменные характеристических длин волн извлекались методом последовательного объединения признаков: сначала применялся алгоритм оптимизации комбинаций интервалов (ICO) для грубого отбора длин волн, затем использовался метод конкурентного адаптивного повторного взвешенного выборочного отбора (CARS) для удаления нерелевантных переменных в интервале длин волн, и, наконец, алгоритм последовательного проецирования (SPA) для сокращения длины волны. Используя многоступенчатый алгоритм ICO-CARS-SPA для выбора характеристических переменных рентгенофлуоресцентного спектра, были получены 5 наборов точек характеристических длин волн (26, 25, 29, 39, 33). На их основе построены модели частичных наименьших квадратов (PLS) для определения содержания 5 видов тяжелых металлов в почве: Cu, Zn, As, Pb, Cr, и проведено сравнение с другими традиционными методами выбора характеристических длин волн. Результаты показывают, что переменные, отобранные алгоритмом ICO-CARS-SPA в сочетании с моделированием PLS, дали лучший результат: коэффициенты детерминации для проверочных наборов Cu, Zn, As, Pb, Cr составили 0,9933, 0,9926, 0,9956, 0,9932 и 0,9886 соответственно; среднеквадратичные ошибки — 6,9385; 23,6984; 3,6326; 8,5106 и 14,7645; средние относительные отклонения для проверочных наборов — 0,2551; 0,0650; 0,1025; 0,2414 и 0,1047 соответственно. Алгоритм ICO-CARS-SPA, основанный на рентгенофлуоресцентном спектре и многоступенчатой стратегии, способен устранить больше неэффективных длин волн, повысить вклад полезной информации, упростить сложность модели, обеспечивая теоретическую поддержку для выбора подходящих характеристических полос в моделях прогнозирования содержания тяжелых металлов в почве.

Рентгенофлуоресцентный спектр (XRF); тяжелые металлы в почве; оптимальный выбор длины волны; анализ ансамбля моделей