人工神经网络用于紫外光谱同时测定Zn、Cu、Co含量的研究

本文采用ＰＡＲ－Ｚｎ、Ｃｕ、Ｃｏ显色体系,应用人工神经网络原理,通过误差反向传播方法,对于紫外吸收重叠的三组分金属配合物体系同时进行含量测定。在５８０￣４４０ｎｍ的范围内,以１４个特定波长处的吸收值作为网络特征参数,并通过均匀设计安排样本。Ｚｎ、Ｃｕ、Ｃｏ三者的平均回收率分别为９５．２２％、９５．９８％、１００．５％。实验表明,其结果准确,性能良好。     

BP神经网络-FTIR方法测定苯乙烯-丙烯酸丁酯共聚物中单体含量

利用红外特征峰波数偏移值与单体含量间的非线性定量关系,BP人工神经网络-FTIR法在较宽的含量范围(10%-90%之间)之内,准确测定了苯乙烯-丙烯酸丁酯共聚物中丙烯酸丁酯单体含量,回收率在97.3%-101.8%之间.     

不同类型土壤总氮的近红外光谱技术测定研究

该研究从江苏、河南、山西、河北、吉林采集部分表层土壤,并在山西河北两地采集表下层土壤,经前处理后通过近红外光谱仪扫描得到光谱图,用传统开氏法测得其总氮,运用OPUS软件建立了土壤总氮和光谱图之间的数学模型,并初步探讨了模型的应用范围。结果表明：各地区表层土壤建立的模型良好,交叉检验的均方根误差均在0.01%以内,相关系数平均在0.85以上,并且该模型能够很好地定量分析同一采样范围内表层和表下层的土壤总氮,定量分析的均方根误差基本在0.01%以内,相关系数在0.80左右;可能受土壤类型的影响,该模型在地区之间的运用具有一定的局限性;从各地区随机取出部分数据作为一个新的集合建立的综合模型良好,其交叉检验的均方根误差和相关系数分别为0.010 2%和0.985 6,并且该模型能很好地预测各地区的土壤总氮。     

测定总氮时影响空白吸光值的因素

针对GB 11894-89测定污水中总氮空白值偏高的情况,分析了碱性过硫酸钾本身以及纯度的影响、消解量、消解温度和时间、去离子水纯度、玻璃器皿的洁净度、碱性过硫酸钾存储时间、环境因素等影响因素,找出了实验出现问题的原因,并进行了校正.     

BP神经网络用于肝炎患者舌诊近红外光谱的研究

为了对肝炎患者进行快速无创检测,用BP人工神经网络(ANN)方法在健康人与肝炎患者之间对人体舌面近红外光谱的反射率的关系进行关联方面的研究。分别采集了健康人和肝炎患者的舌左边、舌右边、舌下左边络脉、舌下右边络脉以及舌尖各部位各25例受试者的光谱数据,构造了一个3层神经网络结构,将所采集的各光谱数据进行归一化反射率预处理后作为神经网络的输入,建立了BP神经网络模型,分别选取对应的各个部位的40例作为训练样本集,用剩下的10例未知的样本进行预测,各部位测试的结果其相对偏差均在0.2以下,分类正确率为100%,达到满意的预测精度。结果表明提出的BP神经网络用于光谱舌诊进行无创检测识别不同病证提供了重要的参考价值。     

近红外光谱技术实时测定土壤中总氮及磷含量的初步研究

及时、准确探测土壤中的氮、磷含量,有利于精准施肥决策,提高肥料利用率。研究表明近红外技术能够探测土壤的物理和养分状况。针对不同土地利用类型,在北京大兴地区采集85份土壤样品,测定土壤氮、磷养分及其近红外漫反射光谱,并利用傅里叶变换光谱技术和偏最小二乘回归法建立了土壤总氮(N)和总磷(P)的近红外光谱校正模型。所建模型的交叉检验决定系数(R2_CV)分别为0.862 6(N),0.668 5(P)。用未参与建模的10个样品对模型进行外部检验,总N、总P的预测相关系数(r)分别为0.969 8,0.830 7,预测标准误差(RMSEP)分别为0.009 5%(N),0.008 6%(P),RPD值(检验集样品化学测定值标准差/预测标准误差)分别为3.78(N),1.69(P)。结果表明,采用适当的光谱分析方法可以实现用近红外技术对土壤总N的精确探测及对土壤总P的粗略估测。     

基于BP神经网络的荧光光谱法农药残留检测

针对目前农药残留难以实现快速准确检测的问题,利用人工神经网络方法对啶虫脒农药残留测量中的荧光混合光谱进行分离,设计了能够快速检测固体表面啶虫脒农药残留量的荧光光谱测量系统。根据反向传播算法,应用三层人工神经网络原理,对荧光光谱严重重叠的啶虫脒和滤纸混合体系进行啶虫脒残留量检测。在340nm～400nm范围内,以20个特征波长处荧光强度值作为网络特征参数,经网络训练和测试,啶虫脒浓度为40mg/kg和90mg/kg的回收率分别为102%和97%,测定结果相对标准偏差分别为1.4%和1.9%。实验结果表明,BP神经网络辅助荧光光谱法测定滤纸上啶虫脒农药残留,具有网络训练速度快、检测周期短、测量精度高等特点。     

有机环境污染物紫外光谱检索的神经网络方法

详细讨论了网络优化参数、模拟的测量过程中噪声及杂质对网络收敛性能及预测误差的影响。为加速网络收敛,提高紫外光谱检索的正确率,采用了导数光谱对反向传播的人工神经网络(BP-ANN)进行训练和检索,该方法对检索光谱中噪声、杂质,尤其是斜坡背景的允许程度明显提高。文章还将ANN方法与普通的相关系数法的识别结果进行了比较。结果表明,优化参数下的人工神经网络的库检索法在抗噪、容杂等方面都明显地优于普通的相关系数法,是一种很有效的紫外库检索方法。     

基于BP神经网络的日落黄溶液荧光光谱的研究

对食用合成色素日落黄的荧光光谱进行了研究,发现在310~400nm紫外光的激励下,日落黄溶液发出强荧光,峰值荧光强度随浓度的增加先增强后减弱,且荧光谱峰位置出现明显红移。经分析认为,日落黄溶液能产生荧光是因为分子中偶氮键将一个苯环和一个萘环连接在一起,形成大共轭结构,并且取代基-SO3Na与-OH处于萘环的对位,大大增强了日落黄分子的共轭程度,使其具有强的吸光功能,发出强荧光。另外,结合BP神经网络,通过训练好的网络对4种不同浓度的样本进行浓度预测,结果表明相对误差分别为4.269%,6.078%,4.977%和5.308%,相对标准偏差分别为0.448%,0.375%,0.419%和0.414%。实验表明,该方法具有训练速度快、预测结果准确度高等特点,有望成为一种对食用合成色素进行高效、痕量检测的有效方法。     

基于BP神经网络的血液荧光光谱识别分类研究

光谱技术在生物和医学检测方面具有积极的应用前景。由于血液成分的复杂性和类同性,有关不同动物血液光谱识别分类的技术研究尚未出现较为完善的结论。基于机器学习理论, 以BP神经网络为工具, 建立了对不同动物血液荧光光谱进行特征提取和识别分类的方法。实验采用Cary Eclipse光谱仪分别采集了鸽、鸡、鼠、羊四种动物不同浓度(1%和3%)的全血与红细胞荧光光谱数据(每个类型样本各50组数据);基于移动平滑算法对原始数据进行了平滑处理,以减少实验仪器噪声对特征提取和识别分类的影响;进一步根据血液光谱数据的特性, 该文出了“组合放大”的特征提取方法, 并建立了BP神经网络分类器进行训练和识别。相比于常用的光谱数据(单一)特征, 提出的“组合放大”特征和所设计的BP神经网络能对不同动物、不同类型(全血与红细胞)、不同浓度(1%和3%)的血液荧光光谱实现100%的准确分类, 同时神经网络测试误差均远小于设定的允许误差值。研究的动物血液光谱特征提取及识别技术具有较好的普适性和可靠性, 在农业、食品检查、以及生物医学检测等方面均可发挥重要作用。     

基于近红外光谱技术的土壤参数BP神经网络预测

利用BP神经网络预测方法,建立了基于近红外光谱技术的土壤有机质含量和土壤全氮含量的分析模型。试验共测量了150个田间土壤样本的近红外光谱,首先采用局部加权散点图平滑滤波法对光谱曲线进行了平滑处理,然后根据对目标参数进行的聚类分析结果进一步平均了输入光谱,最后将反射光谱数据进行对数转换后与目标数据一起进行了归一化处理。对预处理后的光谱数据首先进行主成分分析,然后提取贡献率超过99.98%的主成分建立BP神经网络模型。对土壤有机质含量的分析结果：模型拟合精度为0.999,预测精度达到0.854。对于土壤全氮含量的分析结果：模型的拟合精度近似为1,预测精度达到了0.808。研究表明,基于近红外光谱技术的土壤参数BP神经网络预测模型具有较高的鲁棒性和较强的容错能力。     

基于粒子群算法优化BP神经网络漏钢预报的研究

针对标准BP神经网络中收敛速度慢以及易陷入局部最优解等问题,利用粒子群算法的全局搜索性,将粒子群算法应用到BP神经网络训练中建立了PSO-BP神经网络模型,结果表明改进模型不仅可以克服传统 BP 网络收敛速度慢和易陷入局部权值的局限问题,而且很大程度地提高了结果精度和 BP 网络学习能力,将此模型应用到结晶器漏钢预报系统中,并用某钢厂采集到的历史数据对该模型进行训练与测试,与标准BP神经网络测试结果进行分析与比较,实验表明PSO-BP网络模型预报更加实时、准确,具有很好的应用前景。     

植物中硝态氮、氨态氮、总氮测定方法的比较研究

植物样品经硫酸 过氧化氢凯氏法消煮后 ,分别用直接吸光光度法、靛酚蓝比色法、过硫酸钾氧化吸光光度法获得硝态氮 (包括亚硝态氮 )、氨态氮、总氮的含量。通过样品测试数据的比较 ,证明分别测得的氨态氮、硝态氮含量之和与所测总氮结果一致。本文为植物生态学和植物学中氮元素各种形态含量的分析提供了选择测定方法的依据     

催化光度法测定微量硒消除干扰离子的研究

本文较详细研究了离子交换分离技术，消除Cu^2 、Fe^3 、V（V）等离子对催化光度法测定Se(IV）的干扰，该方法灵敏，简便，可用于人发，松针及含硒药物等实际样品中硒的测定。     

泥炭中全氮的测定

采用连续流动化学分析仪（Continuous Flow Analyzer,CFA）,对泥炭中的全氮进行分析.方法有良好的线性关系（r=0.9999）,回收率为99％-105％,测试速度是比色法测试速度的15-20倍,操作简便、准确度好,对氮化学研究有一定意义.     

基于BP神经网络的传感器网络动态采样模型研究

能耗控制对于农业环境监测无线传感器网络系统具有重要意义。基于误差反向传播的多层前馈神经网络预测和阈值分析建立了一种土壤温度传感器网络动态采样模型,实现了基于土壤温度周期变化特征的采样频率实时调整方法,达到减少网络冗余数据,降低网络功耗的目的。以环境温度和空气相对湿度为BP神经网络实测输入,土壤温度为预测输出,通过判断输出是否进入阈值区间动态调整采样周期。仿真实验结果表明,对于具有周期性特点的土壤温度,BP网络模型对其预测值和实测值之间的均方根误差RMSE及绝对误差AE分别为0.83℃和0.54℃。相比于连续采样,阈值分析动态采样次数减少30%。     

基于BP神经网络的车牌字符识别算法研究

车牌字符识别是车牌识别系统中的关键环节。采用图像处理和神经网络相结合的方法设计新的车牌字符识别算法,先对分割出的车牌字符进行归一化处理,然后进行SOBEI．边缘检测和角点特征提取,最后输入BP神经网络进行训练、识别,其中BP神经网络模型属于改进型神经网络。通过一系列神经网络训练和仿真实验,车牌识别速度和正确率得到了明显的提高。     

HG-AFS测定高纯碲中痕量硒干扰的消除

用HNO₃+HCl分解样品,采用Fe3+-柠檬酸混合溶液作抑制剂,研究了下氢化物发生-原子荧光光谱法测定痕量硒时的干扰及其机理,探讨了NO-₃和NO-₂残留的影响,并用正交试验设计结合单因素试验研究了不同浓度Fe3+盐、盐酸、柠檬酸、硼氢化钾等条件下Se的回收率。该方法的检出限为0.15 μg·L-1,样品中Se含量为27.01 μg·L-1的相对标准偏差在3.1%～4.2%之间(n=11),加标回收率为96.1%～102.3%。用于实际样品的测定,结果满意。     

基于BP神经网络的复杂彩色图像文本定位

针对复杂彩色图像中文本的特征,提出了基于小波变换和BP神经网络甄别文本区域的算法.该算法首先利用文本块的边缘特征遴选出备选图像块,而后采用小波变换提取备选图像块的纹理特征,把这些纹理特征参量连同图像块的颜色特征和笔画特征参量输入训练好的BP神经网络,判断备选图像块是否包含文本.该方法运算简单,定位时间短.采用专用的文本定位比赛用图进行实验的结果表明,定位准确率可达到92%,召回率为87.4%.     

基于BP神经网络的复杂彩色图像文本定位*

针对复杂彩色图像中文本的特征,提出了基于小波变换和BP神经网络甄别文本区域的算法.该算法首先利用文本块的边缘特征遴选出备选图像块,而后采用小波变换提取备选图像块的纹理特征,把这些纹理特征参量连同图像块的颜色特征和笔画特征参量输入训练好的BP神经网络,判断备选图像块是否包含文本.该方法运算简单,定位时间短.采用专用的文本定位比赛用图进行实验的结果表明,定位准确率可达到92％,召回率为87.4%.