<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Ли Ц. </author>
     <author>Сюй Р. </author>
     <author>Хан У. </author>
     <author>Ю. С. </author>
     <author>Сюй Х. </author>
     <author>Донг С. </author>
     <author>Сюй Л. </author>
    </authors>
   </contributors>
   <titles>
    <title>Снижение матричного эффекта в лазерно-искровой эмиссионной спектроскопии с помощью кластеризации по удельной интенсивности</title>
   </titles>
   <keywords>
    <keyword>лазерно-искровая эмиссионная спектроскопия</keyword>
    <keyword>кластеризация</keyword>
    <keyword>количественный анализ</keyword>
    <keyword>матричный эффект</keyword>
   </keywords>
   <dates>
    <year>2026</year>
    <pub-dates>
     <date>2026-09-10</date>
    </pub-dates>
   </dates>
   <journal>Журнал прикладной спектроскопии</journal>
   <abstract>   В лазерно-искровой эмиссионной спектроскопии (LIBS) точность количественного определения с помощью традиционных стандартных методов калибровки часто неудовлетворительна главным образом из-за матричного эффекта. Для уменьшения влияния матричного эффекта предложен новый метод, названный кластеризацией по удельной интенсивности (SIC). Удельная интенсивность, определяемая как отношение интенсивности спектра к концентрации элемента, считается важной характеристикой образца. Эти характеристики способствуют эффективной кластеризации калибровочных образцов, что позволяет создавать множество более надежных калибровочных кривых. Путем объединения кластеризованных калибровочных образцов с алгоритмами машинного обучения создана классификационная модель. Неизвестные образцы могут быть классифицированы с помощью классификационной модели и предсказаны с помощью соответствующей калибровочной кривой. Практическая применимость предложенного метода SIC подтверждена путем обнаружения CaO, TFe2O3 и Li в образцах горных пород. По сравнению с традиционными стандартными методами калибровки метод SIC значительно снизил средние относительные ошибки прогнозируемого набора (AREP) для обнаруженных элементов CaO, TFe2O3 и Li в горных породах, при этом AREP уменьшились с 25.292, 14.114 и 14.12 % до 6.165, 5.481 и 5.137 % соответственно.</abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/21148</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/20998</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
