1.一种基于有限差分和差分进化算法的ICP-AES谱线重叠干扰校正方法,其特征在于,所述方法包括:以均方根误差作为度量准则建立谱线重叠干扰校正评价函数
根据所述重叠谱线中子峰谱线的峰值点,获取重叠谱线中子峰谱线特征波长的最小取值区间;
获取评价函数的最优解作为重叠谱线的最佳特征向量,其中,获取所述最优解的过程包括全局搜索和局部优化;
根据所述最佳特向量解析重叠谱线中的目标谱线,从而进行干扰校正。
2.根据权利要求1所述的基于有限差分和差分进化算法的ICP-AES谱线重叠干扰校正方法,其特征在于,还包括:建立表达形式为洛伦兹函数和高斯函数的卷积的单条谱线的数学模型;
3.根据权利要求1所述的基于有限差分和差分进化算法的ICP-AES谱线重叠干扰校正方法,其特征在于,以均方根误差作为度量准则建立谱线重叠干扰校正评价函数具体为:
4.根据权利要求2和3所述的基于有限差分和差分进化算法的ICP-AES谱线重叠干扰校正方法,其特征在于,所述得到所述重叠谱线模型中子峰谱线的峰值点,包括:求解重叠谱线的近似二阶导数;
所述近似二阶导数的极小值所在位置的横坐标为所述重叠谱线中子峰谱线的峰值点所在位置的横坐标。
5.根据权利要求4所述的基于有限差分和差分进化算法的ICP-AES谱线重叠干扰校正方法,其特征在于,所述获取重叠谱线中子峰谱线特征波长的最小取值区间,包括为:根据所述近似二阶导数的极小值的坐标获取位于采样重叠谱线数据中子峰谱线峰值对应波长λm的最小取值区间:
6.根据权利要求1所述的基于有限差分和差分进化算法的ICP-AES谱线重叠干扰校正方法,其特征在于,所述获取评价函数的最优解作为重叠谱线的最佳特征向量,包括:a、将所述重叠谱线的特征向量作为差分进化算法的种群个体向量,并对种群初始化;
b、对初始化后的种群中的所有个体向量Xi,G进行个体适应度评价;
c、对所述所有个体向量Xi,G执行变异操作,得到对应的变异向量Vi,G,采用在进化前期使用DE/rand/1/bin算子在进化后期使用DE/best/1/bin算子相结合的变异规则,其中,DE/rand/1/bin算子具有较强的全局搜索能力,DE/best/1/bin算子具有较强的局部优化能力;
d、将所述所有个体向量Xi,G和其相对应的变异向量Vi,G进行交叉互换,得到若干个交叉向量Ui,G;
e、将所有个体向量Xi,G和交叉向量Ui,G代入适应度函数进行比较,选择适应度小的向量作为下一代进化的新个体向量;
重复步骤c至步骤e,对每个新个体向量进行个体适应度评价,最后一轮进化结束后,种群内适应度最小的个体向量即为所述评价函数的最优解。
7.根据权利要求6所述的基于有限差分和差分进化算法的ICP-AES谱线重叠干扰校正方法,其特征在于,对交叉概率采取梯度递增的方式赋值。
8.根据权利要求1所述的基于有限差分和差分进化算法的ICP-AES谱线重叠干扰校正方法,其特征在于,将最佳特征向量分解为所述子峰谱线的最佳特征向量
对比目标谱线的波长和 中的波长,筛选得到目标谱线的最佳特征向量,并代入单条谱线模型IV(λ,θ),根据得到的离散点绘制出重叠谱线中的目标谱线;
其中,所述目标谱线的最佳特征向量是若干个 中,目标谱线对应的特定的一组解向量。