光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2008年
10期
2392-2395
,共4页
小波包变换%广义回归神经网络%同时测定%有机化合物
小波包變換%廣義迴歸神經網絡%同時測定%有機化閤物
소파포변환%엄의회귀신경망락%동시측정%유궤화합물
文章结合两种化学计量学技术,研制了一种小波包变换广义回归神经网络(WPTGRNN)方法,对光谱严重重叠的三种有机化合物进行同时测定.该法结合小波包变换(WPT)和广义回归神经网络(GRNN)改进了除噪质量和预测能力.通过最佳化,选择了小波函数、小波包分解水平及GRNN的平滑因子.偏最小二乘(PLS)法用于比较研究,编制了三个程序(PWPTGRNN,PGRNN和PPLS)进行相关计算.结果表明,WPTGRNN法是成功的且优于GRNN及PLS方法,与GRNN方法比较所有组分质量浓度的预测值与实际值的相对预测标准误差由4.0%降低为2.3%.
文章結閤兩種化學計量學技術,研製瞭一種小波包變換廣義迴歸神經網絡(WPTGRNN)方法,對光譜嚴重重疊的三種有機化閤物進行同時測定.該法結閤小波包變換(WPT)和廣義迴歸神經網絡(GRNN)改進瞭除譟質量和預測能力.通過最佳化,選擇瞭小波函數、小波包分解水平及GRNN的平滑因子.偏最小二乘(PLS)法用于比較研究,編製瞭三箇程序(PWPTGRNN,PGRNN和PPLS)進行相關計算.結果錶明,WPTGRNN法是成功的且優于GRNN及PLS方法,與GRNN方法比較所有組分質量濃度的預測值與實際值的相對預測標準誤差由4.0%降低為2.3%.
문장결합량충화학계량학기술,연제료일충소파포변환엄의회귀신경망락(WPTGRNN)방법,대광보엄중중첩적삼충유궤화합물진행동시측정.해법결합소파포변환(WPT)화엄의회귀신경망락(GRNN)개진료제조질량화예측능력.통과최가화,선택료소파함수、소파포분해수평급GRNN적평활인자.편최소이승(PLS)법용우비교연구,편제료삼개정서(PWPTGRNN,PGRNN화PPLS)진행상관계산.결과표명,WPTGRNN법시성공적차우우GRNN급PLS방법,여GRNN방법비교소유조분질량농도적예측치여실제치적상대예측표준오차유4.0%강저위2.3%.
