一种新的遗传神经网络组合方法在近红外光谱分析中的应用

近红外光谱分析技术中波长点的选择和建模方法的选取对建立预测分析模型至关重要.在传统相关系数法的基础上,提出了一种基于遗传算法的相关系数阈值优化方法.该方法以决定系数最大为优化目标,寻找最佳阈值.校正时用径向基神经网络来建立定标模型,选取中心时采用正交最小平方法.采用新方法预测了汽油中的碳酸二甲酯含量,把预测结果与偏最小二乘法的实验结果进行了对比.结果表明,新方法的预测精度更高,决定系数可达到0.9993.     

基于Elman神经网络的地层水污染率近红外光谱实时测量方法

在钻井过程中,水基钻井泥浆会透过泥饼渗入地层从而污染地层水。为了取得纯净的地层水样品,需要对其污染程度进行实时监测。取样前,流体由水基泥浆滤液逐渐过渡到纯净地层水,通过获取滤液、纯地层水以及混合流体的吸光度可实时计算地层水受到污染的程度。鉴于井下地层水污染率在线监测可看作时间序列预测问题,采用了Elman神经网络模型对吸光度数据进行训练,从而预测纯地层水吸光度。采用海上实井数据进行了验证,将基于Elman神经网络预测得到的地层水吸光度与泵抽初期采集的钻井液泥浆滤液吸光度相结合,可以计算出实时的地层水污染率,并将其与实验室水分析结果进行了对比。结果表明,它们的一致性很好。与传统算法相比,新方法高效可靠,具有广泛的适用性和较好的应用价值。