BP神经网络用于总氮测定过程中I-、Br-的干扰消除

在碱性过硫酸钾消解-紫外分光光度法测定水体总氮过程中,碘离子和溴离子的存在会对测定结果产生干扰。针对这一现象,提出采用BP神经网络建立NO3-、I-、Br-含量的预测模型,经过训练后的预测模型能够较准确的预测到NO3-、I-、Br-的含量,从而消除I-、Br-对总氮测定的干扰。此法不需要物理和化学的分离,分析速度快,精度较高,可以消除总氮测定过程中的I-、Br-干扰,有很好的应用价值。     

紫外吸收光谱法研究硝酸盐溶液

分析硝酸盐溶液的紫外吸收光谱,对于人类健康、环境治理等问题具有重要意义。水中氮含量超过一定标准,会造成水体富营养化,引起水体污染,水质开始恶化,并伴有腥臭味,对人体健康非常不利。实验表明,硝酸盐溶液的紫外吸收光谱谱线在200—240nm内具有明显的吸收峰,浓度处于1—7mg/L之间,吸光度正比于溶液浓度。在200—240nm范围内确定了线性程度最好的波长点为220nm。经过一元线性回归建模,获得220nm处的回归直线关系式,它的相关系数为0.9974,回归系数的标准误差分别为0.022307和0.005152。整个结果为水中氮测定及其特性研究、光电检测提供了科学参考。     

双波长法快速测定饮用水中的硝酸盐氮和亚硝酸盐氮

针对快速性要求较高的场合,提出基于双波长法测定硝酸盐氮和亚硝酸盐氮含量的方法,该法首先测定混合溶液在203、216、220nm处的吸光度值,其次计算216nm与203nm处的吸光度差值,通过差值的线性回归方程计算出硝酸盐氮的浓度,再通过亚硝酸盐溶液的校准曲线计算亚硝酸盐氮的含量。通过实验和分析计算,可知此法原理简单,使用方便,精密度和准确度较高,而且在没有分光光度计的情况下也能使用,大大提高了分析效率,适合用在快速估算硝酸盐氮和亚硝酸盐氮含量的场合。     

BP神经网络在磷酸盐溶液紫外吸收光谱中的应用

利用紫外分光光度法测定磷酸盐溶液的光谱,经过转换得到吸光度与溶液浓度的非线性关系,使用BP神经网络算法处理此非线性问题。Matlab语言中的神经网络工具箱提供了许多有关神经网络设计、训练和仿真的函数来实现BP网络,使应用BP网络来解决此类问题变得方便和有效。实验证明Levenberg-Marquardt法网络收敛速度最快,量化共轭梯度法最慢。本文还运用Matlab中的数据拟合法与BP神经网络法进行比较,前者虽然得到拟合曲线关系式,但较为复杂,工作量大。因此,BP神经网络法更适合于解决此类问题。