@article{Lu C. 2022-07-28,
author = { Lu C. ,  Shi Ch. ,  Dai H. ,  Lv G. ,  Zhang Zh. ,  Jin F. ,  Hu B. },
title = {Количественный анализ азота в сложных удобрениях с использованием лазерной атомно-эмиссионной спектроскопии в сочетании с методом многомерной регрессии},
year = {2022},
publisher = {NP «NEICON»},
abstract = {С помощью лазерной атомно-эмиссионной спектроскопии (LIBS) проведен количественный анализ концентрации азота в сложных удобрениях. Тридцать два образца использованы в качестве калибровочного набора, восемь образцов — в качестве проверочного набора. Для построения моделей и устранения матричного эффекта использованы частичная регрессия методом наименьших квадратов и регрессия опорных векторов методом наименьших квадратов (LS-SVR). Для модели частичной регрессии методом наименьших квадратов коэффициенты корреляции для наборов калибровки  и прогнозирования составили 0.837 и 0.794. С использованием метода LS-SVR коэффициенты корреляции для наборов калибровки и прогнозирования улучшены до 0.994 и 0.993. Таким образом, метод  LS-SVR повышает точность анализа. Средняя абсолютная ошибка прогноза 0.023%. Показано, что LIBS в сочетании с LS-SVR является надежным и точным методом определения концентрации азота в сложных удобрениях.},
URL = {https://www.academjournals.by/publication/15544},
eprint = {https://www.academjournals.by/files/15502},
journal = {Журнал прикладной спектроскопии},
}