- 1、本文档共4页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于Elman网络的近红外光谱技术多组分定量分析研究.pdf
第27卷,第12期 光 谱 学 与 光 谱 分 析 Vo1.27,No.12,pp2456-2459
2 0 0 7年 1 2月 Spectroscopy and Spectral Analysis December,2007
基于Elman网络的近红外光谱技术多组分定量分析研究
刘波平L。,秦华俊。,罗 香。,曹树稳。,王俊德h
1.南京理工大学现代光谱研究室,江苏南京 210014
2.江西省分析测试中心,江西南昌 330029
3.南昌大学食品科学教育部重点实验室,江西南昌 330047
摘 要 研究了Elman神经网络(反馈神经网络,Recurrent Network)在近红外光谱定量分析中的应用。以
饲料样品为实验材料,采用Elman网络建立了饲料中苯丙氨酸(Phe)、赖氨酸(Lys)、酪氨酸(Tyr)和胱氨酸
(Cys)四种氨基酸含量的近红外光谱定量分析模型。用偏最小二乘法(partial least squares,PLS)将原始数据
压缩为主成分,取前3个主成分的12个吸收峰值输入Elman网络,网络中间层神经元个数为47。Elman网
络模型对样品4个氨基酸含量的预测决定系数( )分别为0.960,0.981,0.979,0.952。表明所建Elman网
络预测模型通过近红外光谱能够较准确预测饲料中苯丙氨酸、赖氨酸、酪氨酸和胱氨酸四种氨基酸的含量,
为通过近红外光谱技术进行多组分定量分析提供了新思路。
关键词 近红外光谱;Elman网络;偏最小二乘法;多组分定量分析
中图分类号:O657.3 文献标识码:A 文章编号:1000—0593(2007)12—2456—04
引 言 1 Elman网络基本原理
近红外光谱作为一种分析手段是根据样品化学成分在近 Elman神经网络是Elman于1990年提出的,该模型在
红外光谱区域的光学吸收波长不同,通过对已知化学成分含 前馈网络的隐含层中增加一个承接层,作为一步延时算子,
量的样品与其近红外反射光谱的回归分析,建立定标方程, 达到记忆的目的,从而使系统具有适应时变特性的能力,能
从而对同一种类及其相似类型的未知样品进行估测。近红外 直接反映动态过程系统的特性[g]。Elman神经网络一般分为
光谱定量分析采用的建模方式有很多,如主成分分析、多元 4层:输入层、中间层(隐含层)、承接层和输出层,其输入
线性回归、逐步线性回归、偏最小二乘、人工神经网络 层、隐含层和输出层的连接类似于前馈网络,输入层的单元
等[1 ]。其中PLS压缩的主成分所含信息能精确地表达输入 仅起信号传输作用,输出层单元起线性加权作用。隐含层单
与输出间的关系,建立的模型具有较高的预测精度[6 ;神 元的传递函数可采用线性或非线性函数,承接层又称为上下
经网络作为一种新兴的化学计量学方法,有着其他经典方法 文层或状态层,它用来记忆隐含层单元前一时刻的输出值,
无可比拟的特点,它的测定结果准确,受干扰影响小,是多 可以认为是一个一次延时算子。
组分同时定量测定中的一种首选方法[8],El,nan网络是一种 Elman型神经网络的特点是隐含层的输出通过承接层的
动态神经元网络,它是在BP网络基本结构的基础上,通过 延迟与存储,自联到隐含层的输入,这种自联方式使其对历
存储内部状态使其具备映射动态特征的功能,从而使系统具 史状态的数据具有敏感性,内部反馈网络的加入增加了网络
有适应时变特性的能力,比前向神经网络具有更强的计算能 本身处理动态信息的能力,从而达到了动态建模的目的。
力[g]。目前,Elman网络在组分预测主要应用在色谱和紫 Elman网络的非线性状态空间表达式为
外[1o-18]。本文将El
文档评论(0)