分析化学
分析化學
분석화학
CHINESE JOURNAL OF ANALYTICAL CHEMISTRY
2007年
3期
345-349
,共5页
胡兰萍%张琳%李燕%张黎明%王俊德
鬍蘭萍%張琳%李燕%張黎明%王俊德
호란평%장림%리연%장려명%왕준덕
主成分-线性判别分析%反向传播人工神经网络%定性分析%易挥发性有机化合物%遥感傅里叶变换红外光谱
主成分-線性判彆分析%反嚮傳播人工神經網絡%定性分析%易揮髮性有機化閤物%遙感傅裏葉變換紅外光譜
주성분-선성판별분석%반향전파인공신경망락%정성분석%역휘발성유궤화합물%요감부리협변환홍외광보
应用遥感傅里叶变换红外光谱,采用主成分提取-线性判别分析(PCA-LDA)技术,对丙酮、二氯甲烷、甲苯、苯、氯仿和甲醇等六组分的任意混合体系进行定性鉴别.被选用的这6种大气有毒有机化合物的红外光谱图相互间存在着严重的混叠,并和反向传播人工神经网络(BP-ANN)的预测结果进行了比较.PCA-LDA的鉴别判对率达92.2%,识别率94.4%,误判率7.8%;BP-ANN分别为91.1%、95.6%和8.9%.结果表明PCA处理克服了LDA对多变量数据预测的局限性,预测性能和BP-ANN相当.鉴于BP-ANN计算耗时和繁琐,PCA-LDA模型被确定为建立VOCs预警模型最适当的方法.
應用遙感傅裏葉變換紅外光譜,採用主成分提取-線性判彆分析(PCA-LDA)技術,對丙酮、二氯甲烷、甲苯、苯、氯倣和甲醇等六組分的任意混閤體繫進行定性鑒彆.被選用的這6種大氣有毒有機化閤物的紅外光譜圖相互間存在著嚴重的混疊,併和反嚮傳播人工神經網絡(BP-ANN)的預測結果進行瞭比較.PCA-LDA的鑒彆判對率達92.2%,識彆率94.4%,誤判率7.8%;BP-ANN分彆為91.1%、95.6%和8.9%.結果錶明PCA處理剋服瞭LDA對多變量數據預測的跼限性,預測性能和BP-ANN相噹.鑒于BP-ANN計算耗時和繁瑣,PCA-LDA模型被確定為建立VOCs預警模型最適噹的方法.
응용요감부리협변환홍외광보,채용주성분제취-선성판별분석(PCA-LDA)기술,대병동、이록갑완、갑분、분、록방화갑순등륙조분적임의혼합체계진행정성감별.피선용적저6충대기유독유궤화합물적홍외광보도상호간존재착엄중적혼첩,병화반향전파인공신경망락(BP-ANN)적예측결과진행료비교.PCA-LDA적감별판대솔체92.2%,식별솔94.4%,오판솔7.8%;BP-ANN분별위91.1%、95.6%화8.9%.결과표명PCA처리극복료LDA대다변량수거예측적국한성,예측성능화BP-ANN상당.감우BP-ANN계산모시화번쇄,PCA-LDA모형피학정위건립VOCs예경모형최괄당적방법.