基于RBF神经网络的较低浓度下同步荧光光谱的溢油鉴别
기우RBF신경망락적교저농도하동보형광광보적일유감별
Identification of Spill Oil Species Based on Low Concentration Synchronous Fluorescence Spectra and RBF Neural Network
  • 万方数据
    光谱学与光谱分析 광보학여광보분석
    SPECTROSCOPY AND SPECTRAL ANALYSIS
    2012年 4期 1012-1015 ,共4页

    刘倩倩%王春艳%史晓凤%李文东%栾晓宁%侯世林%张金亮%郑荣儿

    류천천%왕춘염%사효봉%리문동%란효저%후세림%장금량%정영인

    溢油鉴别%同步荧光光谱%主成分分析法%径向基函数神经网络 溢油鑒彆%同步熒光光譜%主成分分析法%徑嚮基函數神經網絡
    일유감별%동보형광광보%주성분분석법%경향기함수신경망락
    针对海面溢油样品的含量难以确定,同时考虑到海水掺杂及风化等问题的影响,提出了在较低非线性浓度范围内采集溢油嫌疑样品的同步荧光光谱,获取其训练样本集,利用主成分分析法(Principal component analysis,PCA)提取其特征光谱,结合径向基函数(Radial basis function,RBF)神经网络对肇事样本和嫌疑样本进行模式识别的方法.通过对相近油源原油样品分类识别研究表明:该方法仅需单次对肇事样本同步光谱测量,再借助数据分析,就可以很好区分相近油源溢油样品,外扰对识别率影响也不大.RBF神经网络算法识别率在92％左右.该结论对海洋环境中溢油的实时检测及油指纹数据信息库的建立有重要意义.
    침대해면일유양품적함량난이학정,동시고필도해수참잡급풍화등문제적영향,제출료재교저비선성농도범위내채집일유혐의양품적동보형광광보,획취기훈련양본집,이용주성분분석법(Principal component analysis,PCA)제취기특정광보,결합경향기함수(Radial basis function,RBF)신경망락대조사양본화혐의양본진행모식식별적방법.통과대상근유원원유양품분류식별연구표명:해방법부수단차대조사양본동보광보측량,재차조수거분석,취가이흔호구분상근유원일유양품,외우대식별솔영향야불대.RBF신경망락산법식별솔재92％좌우.해결론대해양배경중일유적실시검측급유지문수거신식고적건립유중요의의.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문