分析测试学报
分析測試學報
분석측시학보
JOURNAL OF INSTRUMENTAL ANALYSIS
2012年
3期
343-346
,共4页
李智%王圣毫%郑维平%赵殿瑞
李智%王聖毫%鄭維平%趙殿瑞
리지%왕골호%정유평%조전서
近红外光谱%傅立叶变换%人工神经网络%定量分析
近紅外光譜%傅立葉變換%人工神經網絡%定量分析
근홍외광보%부립협변환%인공신경망락%정량분석
将原始光谱进行一定的预处理后,以其快速傅立叶变换FFT的前N个系数作为人工神经网络(ANN)的输入量,不仅确保了大量有用信息参与模型的建立,同时实现了优越的滤波功能.以汽油的辛烷值和煤粉干燥基高位发热量(Qgr.d)的近红外光谱建模,当采用前20个FFT系数的傅立叶变换-径向基网络( FFT - RBF)时,辛烷值模型的预测误差均方根(RMSEP)可达0.152,相关系数为0.976,当采用前30个FFT系数时,快速FFT - RBF煤粉干燥基高位发热量模型的RMSEP为0.256,相关系数为0.923,说明FFT -RBF模型有着很好的预测能力.研究表明基于傅立叶变换的人工神经网络近红外光谱定量分析法,特别是FFT - RBF具有良好的预测能力.
將原始光譜進行一定的預處理後,以其快速傅立葉變換FFT的前N箇繫數作為人工神經網絡(ANN)的輸入量,不僅確保瞭大量有用信息參與模型的建立,同時實現瞭優越的濾波功能.以汽油的辛烷值和煤粉榦燥基高位髮熱量(Qgr.d)的近紅外光譜建模,噹採用前20箇FFT繫數的傅立葉變換-徑嚮基網絡( FFT - RBF)時,辛烷值模型的預測誤差均方根(RMSEP)可達0.152,相關繫數為0.976,噹採用前30箇FFT繫數時,快速FFT - RBF煤粉榦燥基高位髮熱量模型的RMSEP為0.256,相關繫數為0.923,說明FFT -RBF模型有著很好的預測能力.研究錶明基于傅立葉變換的人工神經網絡近紅外光譜定量分析法,特彆是FFT - RBF具有良好的預測能力.
장원시광보진행일정적예처리후,이기쾌속부립협변환FFT적전N개계수작위인공신경망락(ANN)적수입량,불부학보료대량유용신식삼여모형적건립,동시실현료우월적려파공능.이기유적신완치화매분간조기고위발열량(Qgr.d)적근홍외광보건모,당채용전20개FFT계수적부립협변환-경향기망락( FFT - RBF)시,신완치모형적예측오차균방근(RMSEP)가체0.152,상관계수위0.976,당채용전30개FFT계수시,쾌속FFT - RBF매분간조기고위발열량모형적RMSEP위0.256,상관계수위0.923,설명FFT -RBF모형유착흔호적예측능력.연구표명기우부립협변환적인공신경망락근홍외광보정량분석법,특별시FFT - RBF구유량호적예측능력.
