来源：期刊VIP网 时间：
作者：上官李逸;陈锐;
单位：东华理工大学;
摘要：复杂多金属矿石中Fe、Cu、Ni、S等元素的γ射线特征峰存在严重重叠，导致传统瞬发伽马中子活化分析（Prompt Gamma Neutron Activation Analysis,PGNAA）的单峰定量方法在复杂基体中精度过低。针对这一问题，本文提出一种基于全谱信息的多元素同时定量方法，将Fisher判别分析与极端梯度提升（Extreme Gradient Boosting,XGBoost）算法相结合。通过MCNP蒙特卡洛建模构建，构建皮带式PGNAA分析仪的物理模型，系统评估峰面积比值法、多元素标准法及k_0法等传统方法的定量局限性，这些方法的测量不确定度为4.85%～7.94%。针对1024维高维能谱数据的维数过高和冗余信息问题，采用Fisher线性判别分析筛选出448个最优判别特征（降维比例56.25%），显著降低了计算复杂度并提升了信噪比。基于300个矿石标准样品构建的XGBoost集成学习模型，通过梯度提升决策树捕获全谱-元素含量间的复杂非线性关系。结果表明，Fe、Cu、Ni、S四元素均实现了决定系数超过0.90，预测均方根误差平均相比传统基准模型降低约27%。沙普利加性解释（SHapley Additive exPlanations,SHAP）分析证实，模型特征权重分配与中子俘获截面、γ射线发射概率等核物理参数的内在一致性，验证了算法的物理合理性。
关键词：瞬发伽马中子活化分析;;全谱定量;;Fisher判别分析;;XGBoost;;机器学习;;多金属矿石
基金资助：国家自然科学基金项目（12365026）;; 江西省重点研发计划重点项目（20232BBE50013）;; 江西省自然科学基金（20242BAB25046）资助
