应用LIBS技术对砂岩型铀矿进行元素分布测量......（二）

• 应用SciTrace 双激发LIBS技术对选定高丰度区域进一步分析处理，参数为下表所示

下图为贫铀区域和富铀区域谱线数据对比：

• 背景(590–595 nm)谱线对比； b)含铀离子特征谱线(409.01 nm)的波段光谱对比；c）全波段谱线对比

铀特征谱线过密（384.8 -908.4 nm区域有5000多条特征谱线），并且谱线过宽，造成背景谱线噪声过高。590–595 nm区域谱线没有任何元素特征谱线干扰，并且距离U元素特征谱线区域最近，故选取该区域谱线作为背景区域进行分析比较，可以看到，背景值与U特征谱线具有明显的相关性。Chinni等人的研究表明，U元素特征谱线对LIBS全波段的谱线峰值分布具有确定的明显影响。

应用PCA算法，可对任何不均匀样品LIBS测量谱线对应的未知成分进行分析。但是，此次测量生成22500 × 26000个谱线数据变量，便要从RAM中读取33 GB的庞大数据，用以PCA算法进行处理，意味着巨大的计算量，耗时漫长。因此AtomTrace团队运用AtomAnalyzer软件中改善的PCA算法简化运算过程和数据读取方式，将分析工作量减少了85%，并获得良好的分析效果。该方法此前未曾有人尝试。

获得Mapping分析结果如下图所示：

a) U II@409.01nm特征谱线强度分布；b）590-595nm 背景区域谱线强度分布

c) PC1优化算法U II@409.01nm数值分布；d) PC1优化算法590-595nm 背景区域数值分布

3. 在上述实验基础上，对铀矿石中的特征伴生元素U-Zr-P-Ti，运用AtomAnalyzer中SOM算法（神经元算法，或者节点算法）进行进一步分析。

3.1 依据选定特征谱线，通过传统Mapping方法得到的图像：

a) Zr II 349.621 nm 特征谱线强度Mapping图；

b) U II 409.013 nm 特征谱线强度Mapping图；

c) Si I 251.431 nm 特征谱线强度Mapping图

3.2 传统算法与SOM算法特征谱线数值的Mapping对比

a) 325.424 nm Ti II 特征谱线强度Mapping;  c）每个测量谱线与Ti II节点权值的相关性，红点区域与Ti出现相关性最高（无U元素区域）

b) 255.139 nm Nb II 特征谱线强度Mapping；d) 每个测量谱线与Nb响应最大的节点权值的相关性，红点区域与Nb节点权值相关性最高

3.3节点权值在谱线上的积分得到的SOM算法Mapping

a) 由349.621 nm Zr II 特征谱线强度计算得到的节点响应；

b) 由409.013 nm U II 特征谱线强度计算得到的节点响应；

c) 由251.431 nm Si I 特征谱线强度计算得到的节点响应

3.4应用SOM算法对若干选定元素分布的伴生和隔离情况进行研究

a) 由325.424nm Ti II 特征谱线强度计算得到的节点响应；

b) 由358.1195nm Fe I 特征谱线强度计算得到的节点响应；

c) 由255.139nm Nb II 特征谱线强度计算得到的节点响应；

d) 由288.158nm Si I特征谱线强度计算得到的节点响应

3.5实验结论：

• Zr II谱线强度Mapping和U II谱线强度Mapping体现了二者的伴生关系，同时二者都与Si I谱线强度Mapping相反，呈隔离分布。 

• Ti元素与Nb元素呈隔离分布。

• Fe和Nb的元素呈伴生分布，而在二者分布的区域，U元素丰度较低。

• Zr和Nb呈隔离分布，其原因可以理解为已知的“Zr是Nb的替换金属元素”。

• 最后，Si元素出现的位置，Fe、U、Ti、Nb的丰度降低。