来源：期刊VIP网 时间：
作者：贺兆南;景敏;韩亨通;刘盼;计丰;陈曼龙;
单位：陕西理工大学机械工程学院;陕西省工业自动化重点实验室;
摘要：为解决光谱法鉴别土壤表面石油污染物种类中的光谱重叠问题，提出将稀疏主成分分析（SPCA）与随机森林（RF）算法相结合进行油种识别的方法。实验设计了针对土壤表面润滑油的荧光光谱采集系统，以不同种类的发动机油、齿轮油和摩托车油作为研究对象，从含有不同浓度润滑油的土壤样品中提取荧光光谱，并以全波段点、主成分分析（PCA）和SPCA进行特征提取后的光谱作为RF、梯度提升决策树（GBDT）和决策树（Decision Tree）的输入量，润滑油的种类作为输出量。结果表明，经过SPCA后，3种模型的分类准确率分别为98.8%, 97.7%和92.2%；与全波段相比，准确率分别提高了5.5%, 5.5%和6.7%；与PCA相比，准确率分别提高了1.1%, 3.3%和5.6%。该方法实现了对土壤表面石油污染物种类较高效且稳定的分类精度，表明设计的数据采集系统与SPCA-RF算法相结合，可用于土壤表面石油种类鉴别。
关键词：荧光光谱;;润滑油;;种类判别;;稀疏主成分分析
基金资助：陕西省重点产业创新链项目（2021ZDLSF06-07）;; 陕西省自然科学基础研究项目（2022JM-383）;; 陕西理工大学人才启动项目（SLGRCQD2103）资助
