卡尔曼滤波分光光度法同时测定混合氨基酸

本文研究了卡尔曼滤波(KF)法用于混合苯丙氨酸、色氨酸和酪氨酸的紫外分光光度法同时测定.通过混合标准样品集得到吸收系数矩阵,有效地降低了氨基酸之间的相互作用造成的计算误差,并对波长、波长间隔以及滤波次数对计算结果的影响进行了讨论.在波段240-300nm,波长间隔2nm,色氨酸和酪氨酸滤波26次,苯丙氨酸滤波31次的条件下,用此法对大豆样品进行测定,得到了满意的结果.     

PLS分光光度法同时测定混合氨基酸

本文将偏最小二乘法(PLS)用于分光光度法同时测定混合氨基酸体系中的苯丙氨酸、色氨酸和酪氨酸.对校准样品集的实验设计及测量波长点的选择等进行了实验和讨论,并与最小二乘法、卡尔曼滤波法和因子分析法的计算结果进行了对比,PLS法的计算结果最精确,偏差最小.由此可见,PLS法对于这类组分间存在相互作用的样品的测定是一种简捷、准确的多组分同时测定方法,通过校准集来校正相互作用带来的影响,是PLS法偏差最小的原因.     

分光光度法结合人工神经网络同时测定铜、镉和镍

利用人工神经网络结合分光光度法用于二甲酚橙(XO)-CTMAB-Cu、Cd、Ni显色体系同时测定Cu()、Cd()和Ni(),方法简单,结果满意,其三者的平均回收率分别为99.62%、99.93%、100.24%。     

人工神经网络分光光度法同时测定钼和铬

在钼,铬－二溴羟基苯基荧光酮－ＣＴＭＡＢ显色体系中,应用三层ＡＮＮ－ＢＰ网络解析钼和铬的吸收光谱,不经分离分光光度法同时测定钼和铬。钼和铬的表观摩尔吸光系数分别为ε５３０＝１．４×１０＾５Ｌ·ｍｏｌ＾－１·ｃｍ＾－１,ε５１２＝３．７×１０＾４Ｌ·ｍｏｌ＾－１·ｃｍ＾－１。以合金钢中钼和铬进行了同时测定,结果满意。使用改进的ＢＰ算法,避免了神经网络学习过程中可能产生的麻痹现象,提出了目标向量的简单     

人工神经网络用于光度法同时测定三组分染料混合物

应用人工神经网络原理,以快速BP算法,对紫外可见吸收光谱严重重叠的三组分的染料溶液同时进行含量测定。在200～590nm的范围内,以7个特征波长处的吸收值作为网络特征参数,通过网络训练,复品红、结晶紫、藏红T的相对标准偏差分别为0.34％,0.67％,1.03％,三者的回收率在95.5％～104％之间。实验表明,该算法速度快,预测结果准确,可望用人工神经网络和光度法结合定量测定混合染料。     

人工神经网络用于光度法同时测定铜钴镍

本文采用PAR－Cu,Co,Ni显色体系,应用人工神经网络原理,以Levenberg-MarguardtBP算法,对紫外吸收光谱严重重叠的三组分金属配合物体系进行含量测定。在452－552nm的范围内,以14个特征波长处的吸收值作为网络特征参数,并通过正交设计安排样本。网络仅训练781次即可达到要求,Cu,Co,Ni三者的平均回收率分别为99．99％,99．97％,测定结果的相对标准偏差分别为0．1％,0．2％,0．1％。实验表明,该方法与现有的算法相比具有训练速度快,预测结果准确度高等特点。该方法和光度法结合有望成为多组分分析的有效方法之一。     

人工神经网络阻抑动力学光度法同时测定对苯二酚和邻苯二胺

在酸性介质中,F e（Ⅲ）能够催化H2O2氧化中性红褪色反应,而对苯二酚和邻苯二胺都能阻抑该催化氧化褪色反应的速度。但二者存在一定的速率差异,且吸光度的加和性不佳。结合人工神经网络提出了一种能同时测定对苯二酚和邻苯二胺的新方法。研究了最佳反应和测定条件,结果表明：1.0×10^-3m o.lL-1中性红溶液用量为0.8mL;30%H2O2用量为0.6mL;0.100g.L-1F e（Ⅲ）标准溶液用量为0.5mL;0.06m o.lL-1HC l用量为0.8mL;反应时间为6m in;反应温度为75℃时为最佳反应和测定条件。用于混合样品及河水中对苯二酚和邻苯二胺的测定,混合样品中对苯二酚和邻苯二胺回收率分别为95.6%—104.0%、97.8%—104.4%。河水中对苯二酚和邻苯二胺加标回收率均为105%,5次平行测定相对标准偏差分别为3.2%和2.5%。结果满意。     

近红外光谱和人工神经网络的金苦荞氨基酸快速测定

荞麦籽粒中富含谷类作物比较缺乏的赖氨酸,使其不同于其他作物,具有较高经济价值。传统氨基酸测定费时且昂贵,为满足金苦荞育种工作的需要,选用近红外光谱技术结合人工神经网络的算法建立快速检测金苦荞叶片中氨基酸含量的近红外模型。使用氨基酸含量差异较大的样品255个,扫描光谱后测定其化学值。研究发现样品苏氨酸(Thr)含量范围是5.307~14.374 mg·g-1;缬氨酸(Val)含量范围是6.137~16.204 mg·g-1;甲硫氨酸(Met)含量范围是0.308~3.049 mg·g-1;异亮氨酸(Ile)含量范围是5.259~14.134 mg·g-1;亮氨酸(Leu)含量范围是9.730~26.061 mg·g-1;苯丙氨酸(Phe)含量范围是5.936~17.223 mg·g-1;赖氨酸(Lys)含量范围是6.640~17.280 mg·g-1;谷氨酸(Glu)含量范围是10.984~27.740 mg·g-1;天冬氨酸(Asp)含量范围是6.437~17.280 mg·g-1;丝氨酸(Ser)含量范围是3.467~8.312 mg·g-1;精氨酸(Arg)含量范围是4.937~14.772 mg·g-1;丙氨酸(Ala)含量范围是3.329~6.885 mg·g-1;组氨酸(His)含量范围是1.946~4.798 mg·g-1;甘氨酸(Gly)含量范围是4.196~9.264 mg·g-1;脯氨酸(Pro)含量范围是1.024~5.672 mg·g-1;酪氨酸(Tyr)含量范围是0.176~1.173 mg·g-1;半胱氨酸(Cys)含量范围是0.422~1.926 mg·g-1。每次随机选取50个样品建设模型,以4∶1的比例随机分为训练集和测试集。数据进行归一化处理后,使用神经网络结构1102-9-1进行模型建设。利用多次学习的方式建立了较优模型,其中Arg和Asp近红外模型的仿真测试结果最好,预测值与真实值的相关系数(R2)均大于0.97,平均相对误差(RSD)也小于10%;另外Leu,Val,Tyr,Ile,Ser,Ala,Thr,His,Phe,Gly和Lys模型的R2均大于0.90,模型仿真测试数据的RSD小于10%,模型均可用;Met与Cys的模型进行仿真测试时,其预测值与真实值的R2均大于0.78,但RSD大于10%,模型不可用。结果表明,金苦荞叶片的氨基酸含量高,有极高应用价值,近红外光谱技术结合人工神经网络的分析方法可应用于金苦荞氨基酸含量的预测,为高品质荞麦育种工作提供了便利。     

Kohonen网络与BP网络用于钨和钼的同时测定

Kohonen与BP人工神经网络结合用于解析钨和钼的吸收光谱,讨论了Kohonen网络输出层的拓扑结构,并利用确定的结构对钨和钼的重叠光谱进行波长选择,在全光谱中选择最能代表光谱特征的不同类波长。所选波长处的吸光度作为三层BP-ANN网络的输入集,分光光度法同时测定了钨和钼。利用Kohonen网络选择全谱特征波长,优化了BP-ANN的输入层。与常规的波长选择方法进行比较,分析结果表明, 经K-ANN方法进行波长选择后,提高了BP-ANN的预测能力。确立了Kohonen网络作为选择最优波长集的一种工具。     

反向传播人工神经网络分光光度法同时测定环境水样中的苯酚、间苯二酚和间氨基酚

本文应用人工神经网络原理 ,采用误差反向传播算法 ,对环境水样中的苯酚、间苯二酚和间氨基酚可以用分光光度法不经分离进行了同时测定。三种酚类的平均回收率分别为 98 0 % ,99 6 %和 99 7%。实验证明 ,反向传播 人工神经网络方法应用在本体系中进行结果校正 ,结果令人满意。     

Millimeter-wave Micromachined Filter Design by Artificial Neural Network Modeling Technique

This paper presents a design approach for a 34 GHz λ/2 resonator micormachined bandpass filter by using the artificial neural network (ANN) modeling technique. Three important dimensions of the filter layout are used to capture critical input-output relationships in the ANN model. Once fully developed, the ANN model has been shown to be as accurate as an EM simulator and much more efficient computationally in the design optimization of the filter.     

人工神经网络法对多组分大气污染物的同时监测

用 18 7 8的反向传播人工神经网络 (BP ANN)模型 ,对FTIR光谱图存在着严重混叠干扰的八种有毒易挥发有机化合物 (VOCs)组成的大气污染物进行了同时定量测定 ,得到了各污染物的浓度。所测定的八种VOCs为苯乙酮 ,苯酚 ,三氯甲苯 ,1,3丁二烯 ,氯苯 ,甲醇 ,三氯代乙烷和二氯甲烷。用标准预测误差 (%SEP) ,平均预测误差 (MPE)和平均相对误差 (MRE)来评价其预测能力。结果表明 ,本方法对多组分大气污染物定量分析 ,能够得到较为满意的结果。     

LM-BP神经网络应用于光度法同时测定邻苯二酚、间苯二酚和对苯二酚三组分

应用人工神经网络原理,以Levenberg-marquardt back propagation(LM-BP)算法,对光谱严重重叠的邻苯二酚、间苯二酚和对苯二酚3组分进行同时测定。挑选283.5, 279.5, 276.5 nm处3波长为3种苯二酚的测量波长,按正交设计表L₂₅(56)配置25组标准混合溶液,对3种苯二酚进行训练,平均平方误差(MSE)达到最小值0.083 114 3;同时预测了模拟混合样本中的邻苯二酚、间苯二酚和对苯二酚含量,3种苯二酚异构体在低浓度时误差稍大,绝大部分分析结果相对误差小于5%,特别是对吸收光谱严重重叠的邻苯二酚、间苯二酚有令人满意的分析结果。