X射线光谱与神经网络中单组分型神经群结构研究

研究、比较了神经群结构与常规神经网络算法的预测性能,考察了过拟合与最佳拟合态等的关系。结果表明,在多元体系中,将神经网络单组分预测模型应用于Ｘ射线荧光光谱分析时,在预测准确度、模型稳定性和外推预测能力方面,神经群结构优于常规神经网络模型。     

X射线荧光分析中用于校正元素间吸收-增强效应的一个新经验校正方程

本文提出了一个新经验校正方程,用以校正X射线荧光分析中的吸收-增强效应.它以影响系数和基体元素浓度间的相互关系的两次曲线拟合为基础.在该校正方程中,吸收效应和增强效应均考虑为相同的表达形式.影响系数用多变量最小二乘法计算,分析元素的浓度用迭代程序求得.该方法以Fe-Ni、Fe-Cr、Fe-Ni-Cr、PbO-ZrO₂-TiO₂-La₂O₃等四种体系的试样与目前常用的几种经验校正方程,如Lachance-Traill方程、Claisse-Quintin方程、Rasberry-Heinrich方程等作了比较,表明在相当宽的浓度范围内,用本文提出的新校正方程所获得的准确度最好.