最优线性联想记忆网络方法在人发X射线荧光分析中的 …

作者针对Ｘ荧光分析中散射峰干扰和直线拟合精度差等问题，采用最优线性联想记忆（ＯＬＡＭ）神经网络方法解谱，研究了无散射峰标准谱的产生和本底干扰问题，通过用一维高斯分布随机数模拟本底计产生无散射峰标准谱的方法，提高了分析精度。     

多峰布里渊散射谱的拟合算法研究

针对利用光纤多峰布里渊散射谱解决光纤传感技术中温度和应变同时检测不能获得精确的拟合曲线的问题,将基于K-means聚类方法的RBF神经网络应用到光纤多峰布里渊散射谱的数据拟合中.首先论述了径向基(RBF)神经网络和基于K-means聚类方法的理论知识;其次利用RBF神经网络算法进行数据拟合,得出不同扩散速度影响数据的拟合精度,但是拟合曲线的光滑度和精度不能同时得到保证;最后,采用基于K-means聚类方法的RBF神经网络进行数据拟合,获得了较为准确的拟合曲线,均方误差较小.     

钛酸铋纳米晶的喇曼光谱和红外光谱研究

利用MOD方法制备了钛酸铋（Bi4Ti3O12（BTO））纳米晶．采用空间群结合晶格动力学分析了BTO晶体中的晶格振动模，理论预测了最多可能产生24个喇曼散射峰和28个红外吸收峰．喇曼散射和红外吸收实验结果与理论预测相比，峰数有大量减少．将此归因于谱带的叠合，某些谱线强度太弱，以及BTO晶体阴离子基团中TiO6八面体的存在等原因．对主要的喇曼峰和红外吸收峰采用TiO6八面体的内振动模进行指认，发现八面体的畸变程度很大，导致某些谱线产生了频移和劈裂．     

铁磁——铁磁绝缘层——超导结的自旋反转和粗糙界面散射效？…

考虑到自旋反转和粗糙界面散射效应，利用推广的Ｂｌｏｎｄｅｒ－Ｔｉｎｋｈａｍ－Ｋｌａｐｗｉｊｋ散射理论模型，计算铁磁－铁磁绝缘层－超导结中的准粒子输运系数与隧道谱。研究表明，自旋反转效应能使零偏压电导峰和能隙峰变得尖锐，而粗糙面散射能压低零偏压峰和能隙峰。此外，两种散射还能阻碍由铁磁交换作用产生的零偏压峰的滑移。     

Ag(Ⅰ)-令菲罗林-溴酚蓝体系的共振散射光谱研究及分析应用

共振散射光谱(RSS)具有简便、高灵敏度和较好的选择性等特点,已用痕量物质Hg,Sc,Mo,I,Cr,Sb,As,P,Cd等的分析.无机纳米微粒的瑞利散射光谱研究表明,较大粒径纳米微粒和界面的形成是导致散射光增强的根本原因.光源与检测器、分子吸收、共振散射效应是产生瑞利散射峰的3个主要因素.共振散射效应是产生共振散射峰的根本原因,也是纳米微粒体系呈色的一个重要原因.     

基于小波分析的7能谱去噪方法

对放射性核素进行能谱分析，应正确识别谱信号，降低因统计涨落产生的误差.因传统去噪手段存在不可避免的缺陷，使用小波分析法取代传统方法应用于7能谱去噪.以信噪比和均方根误差为衡量标准，仿真实验验证了小波去噪法的优越性.对现场采集到的f &谱进行小波去噪处理，结果显示，小波去噪法可以有效去除噪声及假峰干扰，为寻峰等后续处理提供便利?     

正弦水面平面波高斯波束散射回波谱峰特征分析

展示平面波/高斯波束照射时正弦水面电磁散射回波的多普勒谱峰分布特征.基于Bragg共振散射理论可知,水面电磁散射回波多普勒谱峰所对应的频率由水波相速度决定,然而,最近相关水槽实验发现:正弦水面散射回波的多普勒谱不仅包含与水波相速度相对应的Bragg共振峰,而且还存在等频率间距的谐波峰.为了能更好地解释这一现象的物理或数学本质,文中基于粗糙面电磁散射一阶小斜率近似理论(SSA-I)分别推导给出了平面波/高斯波束照射时正弦水面后向电磁散射回波的频谱模型.理论模型结果显示,谐波峰是由于频谱分析过程中频率泄漏效应导致的,而不是水面回波真实的物理现象.     

谱峰识别的计算机设计与实现

介绍了色谱工作站中谱峰识别部分的设计与实现.该部分首先对数据采用了滤波和斜率曲线的平滑化处理等抗干扰措施,以减小扰动对谱峰检测的影响.然后在进行谱峰检测时,又提出了数据分组的方法,这种方法可以增加谱峰识别的稳定性和准确性.本谱峰识别部分的设计能够使色谱工作站应付采样信号中干扰较复杂的情况.     

纳米银胶与蛋白质的相互作用及应用

在水溶液中，纳米银粒子的紫外吸收峰随牛血清蛋白(BSA)浓度的增加而红移并且吸光度降低，表明纳米银粒子能与BSA发生相互作用，红外光谱也证实这种作用的存在。水溶液中，纳米银粒子具有一个较弱的反二级散射光谱，BSA存在下，其反二级散射大大增强并产生相应的散射光谱，最大波长位置位于470nm。BSA在O—8μg/ml范围内与散射峰强度△I成正比。方法有很高的灵敏度，可用于痕量BSA的测定。     

不同阳极靶材上GaN半导体材料的XPS分析

在X射线光电子能谱(XPS)分析表征样品时，经常会出现俄歇峰与其他元素特征峰干扰的现象，影响谱峰的拟合与分析。本文以GaN半导体材料为例，分别采用单色Al靶、单色Ag靶、双阳极Mg靶作为X射线源进行表征，得到GaN材料中各元素精细谱，分析发现常用的Mg靶和Al靶为X射线源时，Ga LMM俄歇峰与N 1s峰互相重叠的问题，影响了N 1s能谱的准确解析，而高能Ag靶为X射线源时，上述二峰完全分离，有利于N 1s的谱峰的准确分析。     

最优线性联想网络在X射线谱分析中的应用研究

介绍了一种重要的人工神经网络——最优线性联想网络 ,并将其应用在 X射线谱分析中 ,成功地克服了传统解谱方法速度慢、不能准确分析含有重峰的复杂 X射线谱的缺点。最优线性联想网络解谱方法广泛应用于快速在线测量及现场分析的各种场合 ,特别是当待分析样品组分固定时 ,解谱效果更好。     

OLAM神经网络分析X荧光谱的预处理研究

在采用最优线性联想记忆(Optimal Linear Associative Memory)神经网络分析X荧光谱时,可用多种方式对谱作预处理,如去掉多余数据、取对数、横向压缩、标准化等.针对实验测得的水泥生料X荧光谱,分别用上述方法进行预处理,然后再用神经网络分析,与化学分析的偏差作对比.结果表明,去掉多余数据、横向压缩可以减少信息处理量,减少存储空间,提高运算速度,且对精度影响较小;标准化处理对含量较少的成分有优势,对含量大的成分误差太大;对数方法则不适用.     

动态误差时间序列小波神经网络预测模型

基于现代误差修正技术,研究小波神经网络建立的动态测量误差预测模型,以进行误差修正,提高动态测量精度,避免了传统神经网络需要人为干预网络结构参数的不足。文章介绍了建模方法,重点对大轴圆度误差测量过程中的动态测量数据进行实例分析,结果表明,该模型预测精度高,具有重要的应用价值。     

时域有限差分结合BP神经网络反演各向异性材料电磁参数

本文以时域有限差分(FDTD)法数值模拟了各向异性材料的散射特性,在此基础上利用人工智能技术-BP神经网络对各向异性材料电磁参数进行了反演研究.以各向异性介质球的雷达散射截面(RCS)作为训练样本信息,经过适当的训练,实时重构了各向异性介质球的相对介电常数和电导率.反演结果显示了该方法的有效性和准确性.     

纸浆卡伯值光学测定中化学计量学方法的应用

用多元线性回归、逐步回归分析、主成分回归分析和人工神经网络这四种化学计量学方法处理蒸煮液的光谱数据,通过蒸煮液的吸光度来预测纸浆的卡伯值,结果显示：四种方法所确立的测量模型均具有较好的学习精度和预测精度,其中尤以人工神经网络模型同时具有较高的学习精度和预测鲁棒性。     

基于非洲秃鹫算法优化卷积神经网络的重叠峰解析方法

利用光谱仪器检测土壤中重金属时,由于仪器分辨率较低,峰位相近元素的特征峰会产生重叠。光谱重叠峰严重影响定量分析结果的准确性,为了得到准确的重金属含量需要进行光谱重叠峰分解。本文提出利用非洲秃鹫算法优化卷积神经网络(AVOA_CNN)的重叠峰解析方法。首先,利用高斯函数模型模拟出150个双高斯含噪光谱重叠峰和43个三高斯含噪光谱重叠峰,选择不同小波基函数进行光谱数据去噪,以信噪比和均方根误差(RMSE)为评价指标,最终确定coif3小波基函数,使用导数法进行光谱重叠峰预处理。然后,使用AVOA_CNN获得卷积神经网络(convolutional neural network,CNN)预测结果,解析结果表明,AVOA_CNN成功分解重叠峰且准确率高,双高斯光谱重叠峰和三高斯光谱重叠峰参数(峰强度,峰位,峰宽)的最大相对误差平均值分别为3.15%和5.90%。最后对比麻雀搜索算法优化CNN、CNN与AVOA_CNN,结果显示AVOA_CNN模型预测准确率最高。     

火电机组锅炉烟气含氧量预测

火电厂测量烟气含氧量主要是用氧化锆传感器和磁式氧气传感器,由于测量环境灰尘大,具有腐蚀性介质如硫化物等,容易发生测量环室堵塞和热敏元件腐蚀,所以其稳定性差,测量误差大,容易发生故障。针对这一情况提出了一种基于遗传算法和神经网络的测量模型。根据电厂已有的测点和机理分析初步选取模型辅助变量,在建模前对数据进行预处理,分别采用拉依达法则去除粗大误差、五点三次平滑滤波去除噪音。采用偏最小二乘进行主元分析,最后运用遗传算法对神经网络的权值阈值进行寻优,构建了基于遗传算法对初始权值和阈值优化的反馈神经网络模型。研究结果表明,基于遗传算法优化权值和阈值的神经网络预测烟气含氧量精度较高,且收敛速度快。     

A Precise Algorithm for Non-Integer Harmonics Analysis Based on FFT and Neural Network

By means of an artificial neural network (ANN) model, higher measurement accuracy of integer harmonics can be obtained. Combining the windowed fast Fourier transform (FFT) algorithm with the improved ANN model, we present a new precise algorhhm for non-integer harmonics analysis. According to the result obtained from the Hanningwindowed FFT algorithm, we choose the initial values of orders of harmonics for the neural network. Through such processing, the time of iterations is shortened and the convergence rate of neural network is raised thereby. The simulation results showthat close non integer harmonics can be separated from a signal with higher accuracy and better real-time by using the algorithm presented in the paper.     

柱效关系用于RBF神经网络色谱重叠峰解析

将径向基函数(RBF)神经网络引入色谱重叠峰解析领域·为了使RBF神经网络能适应于色谱重叠峰解析的需要,先在RBF神经网络学习算法中引入了基于可行域约束和共享小生境技术的遗传算法,而后又用两阶段遗传学习算法训练该神经网络以使其具有了结构自学习和参数优化的能力,适应于组分数未知的色谱重叠峰解析的需要,最后又将柱效关系引入至遗传算法的适应度函数中,极大地限制了解的空间,减少了病态解发生的概率·实验表明本方法解析精度较高,很适用于多组分色谱重叠峰解析,并且具有不需人为干预,自动确定网络结构即组分数的优点     

卡拉胶的荧光光谱特性及其质量浓度预测

针对卡拉胶在食品加工中作为增稠剂、乳化剂和稳定剂使用,而大量摄入会对身体造成严重损害,文中对卡拉胶的三维荧光光谱进行了系统研究。结果表明,其在390nm处存在一个激发峰,分别在485nm、620nm、660nm处存在荧光峰,其中660nm峰较强、485nm峰较宽且红移,提出瑞利散射和水的拉曼散射的影响导致485nm谱峰的红移。进而发现卡拉胶溶液荧光光谱强度随质量浓度的增加而增强,并通过主成分分析．BP神经网络训练,实现了对卡拉胶质量浓度的预测,准确率达到90％以上。当质量浓度高于120μg／mL时,准确率达到98％以上,表明该技术可快速测定溶液中卡拉胶的含量。