分析化学
分析化學
분석화학
CHINESE JOURNAL OF ANALYTICAL CHEMISTRY
2011年
5期
743-747
,共5页
遗传算法%神经网络%贝叶斯正则化%糖蜜%有机酸分析
遺傳算法%神經網絡%貝葉斯正則化%糖蜜%有機痠分析
유전산법%신경망락%패협사정칙화%당밀%유궤산분석
分别用常规BP神经网络、贝叶斯正则化BP神经网络及遗传算法-贝叶斯正则化BP神经网络,对多组分有机酸的滴定数据进行主成分非线性拟合.结果显示,贝叶斯正则化能限制网络权值,避免过拟合;遗传算法则使网络的全局优化能力和稳健性提高.对26个测试样本中的乙酸、乳酸、草酸、琥珀酸、柠檬酸和乌头酸6种组分,以及柠檬酸和乌头酸的总量进行了15次拟合预测,平均预测相对误差(RSE)分别为10.02%,9.34%,10.66%,12.180%,29.81%,31.94%和3.80%;性质相似的柠檬酸和乌头酸的拟合预测能力较差,但其总量可得较好的预测结果.应用本法对两种糖蜜中有机酸进行了分析,并与离子色谱分析结果进行了对比.
分彆用常規BP神經網絡、貝葉斯正則化BP神經網絡及遺傳算法-貝葉斯正則化BP神經網絡,對多組分有機痠的滴定數據進行主成分非線性擬閤.結果顯示,貝葉斯正則化能限製網絡權值,避免過擬閤;遺傳算法則使網絡的全跼優化能力和穩健性提高.對26箇測試樣本中的乙痠、乳痠、草痠、琥珀痠、檸檬痠和烏頭痠6種組分,以及檸檬痠和烏頭痠的總量進行瞭15次擬閤預測,平均預測相對誤差(RSE)分彆為10.02%,9.34%,10.66%,12.180%,29.81%,31.94%和3.80%;性質相似的檸檬痠和烏頭痠的擬閤預測能力較差,但其總量可得較好的預測結果.應用本法對兩種糖蜜中有機痠進行瞭分析,併與離子色譜分析結果進行瞭對比.
분별용상규BP신경망락、패협사정칙화BP신경망락급유전산법-패협사정칙화BP신경망락,대다조분유궤산적적정수거진행주성분비선성의합.결과현시,패협사정칙화능한제망락권치,피면과의합;유전산법칙사망락적전국우화능력화은건성제고.대26개측시양본중적을산、유산、초산、호박산、저몽산화오두산6충조분,이급저몽산화오두산적총량진행료15차의합예측,평균예측상대오차(RSE)분별위10.02%,9.34%,10.66%,12.180%,29.81%,31.94%화3.80%;성질상사적저몽산화오두산적의합예측능력교차,단기총량가득교호적예측결과.응용본법대량충당밀중유궤산진행료분석,병여리자색보분석결과진행료대비.
