基于标准数据集的粘土类矿物样本辨识模式

论文摘要

对于粘土类矿物的辨识,利用X射线粉末衍射技术,进行物相定性分析是一种有效的方法。将收集到的标准X射线粉末衍射粘土类矿物数据,组成一个数据集,再将待测样本的d-I衍射数据,看作是酉空间中的复向量,与标准数据进行比较,从而将物相辨识转化为复向量间的相似性匹配问题,最终得到样本的归属结果。在混合物物相分析方法中,Fiala建立的因子模型方法,推理严谨、方便易行。但在应用过程中存在一些困难:其中特征值判据,存在估计值偏大的问题,依据化学因子分析中的误差理论,引入标准差估计判据、约化特征值判据替代原判据,效果较佳;在应用过程中,需求解多重多元线性回归方程,相关文献中未清晰给出具体解决办法,造成相应困难,将该求解问题转化为二次规划问题,再利用微软Office Excel中规划求解模块,从而方便地得到了方程的解,为Fiala的因子模型方法应用,提供了一种途径。基于标准衍射数据集,对样本衍射数据进行分析,从而得到样本归属的辨识模式,是一种可行的研究方法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 粘土矿物及样本分离技术简述
• 1.2 X 射线粉末衍射分析技术简述
• 1.3 相关研究现状简述
• 1.4 论文的主要工作
• 第二章 X射线粉末衍射理论概述和标准数据集建立
• 2.1 X 射线粉末衍射理论概述
• 2.2 标准数据集建立
• 第三章 辨识模式建立和验证
• 3.1 匹配指数的理论基础和建立
• 3.1.1 相关数学定义
• 3.1.2 柯西-许瓦尔兹定理
• 3.1.3 匹配指数的建立
• 3.2 待测样本数据处理
• 3.3 辨识模式建立
• 3.4 模式验证
• 第四章 混合物衍射数据的分离模式
• 4.1 衍射数据的修正
• 4.2 Fiala 因子模型
• 4.3 Fiala 因子模型讨论及验证
• 4.3.1 因子个数判据的讨论
• 4.3.2 回归方程求解的实现
• 4.3.3 模式验证
• 4.4 小结
• 第五章 总结及展望
• 注释
• 参考文献
• 附录
• 英文缩写原意
• 新Dana 分类体系中71-74类矿物分类情况
• 层状硅酸盐矿物的矿物名、X射线衍射数据基本状况
• 检索及匹配示例程序
• 在读期间发表论文清单
• 致谢