光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2007年
12期
2456-2459
,共4页
刘波平%秦华俊%罗香%曹树稳%王俊德
劉波平%秦華俊%囉香%曹樹穩%王俊德
류파평%진화준%라향%조수은%왕준덕
近红外光谱%Elman网络%偏最小二乘法%多组分定量分析
近紅外光譜%Elman網絡%偏最小二乘法%多組分定量分析
근홍외광보%Elman망락%편최소이승법%다조분정량분석
研究了Elman神经网络(反馈神经网络,Recurrent Network)在近红外光谱定量分析中的应用.以饲料样品为实验材料,采用Elman网络建立了饲料中苯丙氨酸(Phe)、赖氨酸(Lys)、酪氨酸(Tyr)和胱氨酸(Cys)四种氨基酸含量的近红外光谱定量分析模型.用偏最小二乘法(partial least squares,PLS)将原始数据压缩为主成分,取前3个主成分的12个吸收峰值输入Elman网络,网络中间层神经元个数为47.Elman网络模型对样品4个氨基酸含量的预测决定系数(r2)分别为0.960,0.981,0.979,0.952.表明所建Elman网络预测模型通过近红外光谱能够较准确预测饲料中苯丙氨酸、赖氨酸、酪氨酸和胱氨酸四种氨基酸的含量,为通过近红外光谱技术进行多组分定量分析提供了新思路.
研究瞭Elman神經網絡(反饋神經網絡,Recurrent Network)在近紅外光譜定量分析中的應用.以飼料樣品為實驗材料,採用Elman網絡建立瞭飼料中苯丙氨痠(Phe)、賴氨痠(Lys)、酪氨痠(Tyr)和胱氨痠(Cys)四種氨基痠含量的近紅外光譜定量分析模型.用偏最小二乘法(partial least squares,PLS)將原始數據壓縮為主成分,取前3箇主成分的12箇吸收峰值輸入Elman網絡,網絡中間層神經元箇數為47.Elman網絡模型對樣品4箇氨基痠含量的預測決定繫數(r2)分彆為0.960,0.981,0.979,0.952.錶明所建Elman網絡預測模型通過近紅外光譜能夠較準確預測飼料中苯丙氨痠、賴氨痠、酪氨痠和胱氨痠四種氨基痠的含量,為通過近紅外光譜技術進行多組分定量分析提供瞭新思路.
연구료Elman신경망락(반궤신경망락,Recurrent Network)재근홍외광보정량분석중적응용.이사료양품위실험재료,채용Elman망락건립료사료중분병안산(Phe)、뢰안산(Lys)、락안산(Tyr)화광안산(Cys)사충안기산함량적근홍외광보정량분석모형.용편최소이승법(partial least squares,PLS)장원시수거압축위주성분,취전3개주성분적12개흡수봉치수입Elman망락,망락중간층신경원개수위47.Elman망락모형대양품4개안기산함량적예측결정계수(r2)분별위0.960,0.981,0.979,0.952.표명소건Elman망락예측모형통과근홍외광보능구교준학예측사료중분병안산、뢰안산、락안산화광안산사충안기산적함량,위통과근홍외광보기술진행다조분정량분석제공료신사로.
