Estimation of Average Comonomer Content of Ethylene/1-Olefin Copolymers Using Crystallization Analysis Fractionation (Crystaf) and Artificial Neural Network (ANN)

Summary: An artificial neural network (ANN) with a 4-3-3-1 architecture was developed to estimate average comonomer content of ethylene/1-olefin copolymers from crystallization analysis fractionation (Crystaf) results. The ANN was trained with a back propagation algorithm. It was found that average comonomer contents predicted from ANN agree well with experimental results for both training and testing data sets. The developed ANN was also used to systematically investigate the effects of chain microstructures and Crystaf operating conditions on Crystaf calibration curves.     

基于人工神经网络的大量程光纤实时距离干涉测量仪

提出了一种基于人工神经网络的全光纤化大量程实时距离干涉测量仪.采用双正弦相位调制方法,即通过同时调制半导体激光器的波长和干涉仪的光程差实现外差测量.为了扩大干涉仪的测量范围和消除输出信号中的交叉敏感,采用人工神经网络进行信号处理,把两路经过初步解调的干涉信号作为输入样本,物体距离的实际值作为输出样本,对神经网络进行训练,以使其具有良好的推广能力.实验结果表明神经网络的使用不仅扩大了距离的测量范围而且提高了测量精度.     

Quantification of fructo-oligosaccharides based on the evaluation of oligomer ratios using an artificial neural network

The application of an internal standard in quantitative analysis is desirable in order to correct for variations in sample preparation and instrumental response. In mass spectrometry of organic compounds, the internal standard is preferably labelled with a stable isotope, such as ¹⁸O, ¹⁵N or ¹³C. In this study, a method for the quantification of fructo-oligosaccharides using matrix-assisted laser desorption/ionisation time-of-flight mass spectrometry (MALDI TOF MS) was proposed and tested on raftilose, a partially hydrolysed inulin with a degree of polymeration 2-7. A tetraoligosaccharide nystose, which is chemically identical to the raftilose tetramer, was used as an internal standard rather than an isotope-labelled analyte. Two mathematical approaches used for data processing, conventional calculations and artificial neural networks (ANN), were compared. The conventional data processing relies on the assumption that a constant oligomer dispersion profile will change after the addition of the internal standard and some simple numerical calculations. On the other hand, ANN was found to compensate for a non-linear MALDI response and variations in the oligomer dispersion profile with raftilose concentration. As a result, the application of ANN led to lower quantification errors and excellent day-to-day repeatability compared to the conventional data analysis. The developed method is feasible for MS quantification of raftilose in the range of 10-750 pg with errors below 7%. The content of raftilose was determined in dietary cream; application can be extended to other similar polymers. It should be stressed that no special optimisation of the MALDI process was carried out. A common MALDI matrix and sample preparation were used and only the basic parameters, such as sampling and laser energy, were optimised prior to quantification.     

基于人工神经网络的傅里叶变换中红外光谱法对食用油油烟种类识别研究

随着餐饮业的发展,餐饮烟气已经成为某些城市三大空气污染源之一。由于餐饮烟气对人体健康威胁很大,近年来对餐饮烟气的研究愈来愈热。餐饮烟气中包含有大量食用油加热过程中裂解而产生的不饱和烃类,危害着人类健康。不同食用油裂解出来的成分以及含量有所不同,通过构建一定的分类识别数学模型,从而实现对食用油分类识别。采用自主研发的傅里叶变换红外光谱仪,采集了不同食用油油烟烟气红外光谱数据。同时构建了主成分分析(PCA)分别结合概率神经网络(PNN)以及误差反向传播人工神经网络(BPANN)的分类识别算法。将两种分类识别算法对不同食用油油烟烟气的傅里叶变换红外光谱数据进行分析。通过样本数据对数学模型进行训练,将训练好的数学模型对未知光谱数据进行分析,来确定产生油烟烟气的食用油种类。实验结果表明,两种算法都能对不同的油烟种类进行较好地分类识别。在全波段识别时,识别率分别达到90.25%和97.0%。通过对烟气光谱数据的吸收波段进行分析,提取大气窗口并且具有较强可挥发性有机物(VOCs)吸收特征的波段(1 300～700 cm-1以及3 000～2 600 cm-1);将吸光度数据分成两个分离的吸收波段,两种算法在3 000～2 600 cm-1波段都有较好的识别效果,PCA-PNN算法识别率为90.25%,PCA-BPANN算法识别率为92.25%。可见,两种人工神经网络算法都能有效对食用油烟种类进行识别。     

煤矸石充填复垦重构土壤重金属含量高光谱反演

为研究煤矸石充填复垦土壤重金属含量快速有效的监测方法,以淮南创大生态园煤矸石充填复垦田间试验小区为研究区域,首先采用化学方法监测土壤(0～20 cm)重金属(Cu, Cr, As)含量,然后采用ASD(analytical spectral devices) FiSpec4型高光谱仪测量土壤样品的反射光谱,提取光谱特征,并对光谱进行一阶微分变换、二阶微分变换及倒数对数变换;将变换后的各光谱特征参数与监测的土壤重金属含量进行相关性分析,并依据相关性分析结果选择显著相关的波段作为相关因子供建模使用。采用多元逐步回归(stepwise multiple liner regression,SMLR)分析、偏最小二乘回归(partial least squares regression, PLSR)及人工神经网络(artificial neural network, ANN)三种方法分别建立基于光谱反射率估算土壤重金属含量的预测模型,并采用回归模型进行精度评定,然后确定各重金属含量的最佳预测模型。实验结果表明,经过微分变换的光谱波段与土壤重金属含量达到了显著相关;重金属Cu和Cr的一阶微分光谱的人工神经网络模型为最佳预测模型,重金属元素As的二阶微分光谱的偏最小二乘回归模型为最佳预测模型。     

基于反射光谱的温室黄瓜叶片磷素含量分析与预测

以温室栽培黄瓜作物为对象,分析了叶片反射光谱与叶片磷素含量之间的相关关系,并建立了预测模型。首先利用便携式光谱辐射仪测量了自然光照条件下温室黄瓜叶片的光谱反射率,并计算了反射率光谱的一次微分光谱。相关分析表明反射率光谱与叶片含P量之间具有一定的相关性,但线性相关不显著。利用微分光谱可以部分消除系统误差、背景噪声等的影响,明显提高了相关系数,但预测模型精度仍然达不到实用程度。在理论分析的基础上,选取978,920,737和458 nm等4个波长作为特征波长,分别利用人工神经网络和支持向量机建立了黄瓜叶片P素含量对应于微分光谱特性的非线性预测模型,结果表明两种算法都获得了较好的预测效果,支持向量机模型的预测能力(R_v=0.754)优于人工神经网络模型(R_v=0.712)。     

储液容器跌落冲击动力学神经网络建模

运用LS-DYNA程序中的ALE算法模拟储液容器在不同的跌落角度、跌落高度、壳体厚度下的跌落冲击过程,获取神经网络预测模型的训练样本集;利用BP神经网络建立储液容器结构参数、跌落冲击参数与接触点最大应力之间的映射关系预测模型,并将各种参数下的接触点最大应力网络预测值与仿真值比较,两者差异较小,表明该方法是有效的,可以为实际生产过程中参数选择提供理论依据.     

基于光谱和神经网络模型的作物与杂草识别方法研究

利用光谱技术来识别作物与杂草是精细农业中一个非常重要的研究内容,但光谱数据中含有大量冗余数据,如何预处理以及建立识别模型,是决定识别准确率的关键。利用在325～1 075 nm波段的光谱识别了三种杂草（牛筋草、凹头苋、空心莲子草）与大豆幼苗。在幼苗生长的第三周与第六周分别采集杂草与作物的光谱,共378个样本。用其中的250个光谱样本,包括第一期和第二期采集的光谱样本,在采用db12小波经过三层分解后,将其小波系数作为输入数据建模,构造了一个径向基函数神经网络。然后,利用余下的光谱样本检验该模型的识别能力。结果表明,该模型对作物与杂草光谱具有极强的识别能力,只有3个第二期的牛筋草样本被判断为空心莲子草,其余的样本全部正确识别。这个结果表明,采用可见/近红外光谱识别大豆幼苗与三种伴随生长的杂草是可行的,同时也说明,随着作物的生长阶段的不同,其光谱的变化不会影响到种类识别。     

扑热息痛片剂药品的近红外光谱法非破坏定量分析

现代近红外光谱分析技术将近红外光谱 (NIR)法同计算机科学和化学计量学结合 ,实现了对样品进行无损非破坏性定量分析 .该法具有速度快、操作简单及所需样品少等特点 ,能够实现样品分析的时间同步、地点同步及无损非破坏分析 .为实现生产过程中即时、在线的质量控制提供了新的手段[1 ] .本文应用人工神经网络 [2 ]与近红外漫反射光谱相结合对扑热息痛片剂药品进行了非破坏快速定量分析 .用扑热息痛片剂药品的近红外漫反射光谱数据、一阶导数光谱数据及二阶导数光谱数据分别建立了 ANN模型 ,预测未知样品 ,讨论了影响网络的因素 ,使用了新…     

基于人工神经网络的混响时间预测方法

在分析混响时间的各种影响因素的基础上,运用人工神经网络的BP算法,建立了厅堂混响时间的预测模型,该方法具有速度快、使用方便、精度高、可考虑的因素多等特点,具有一定的工程实用价值,有待实践的考验并逐步提高完善。