Kohonen-Elman网络在同时测定铸铁中锡钼锑中的应用
来源期刊:冶金分析2016年第8期
论文作者:申明金
文章页码:46 - 51
关键词:Kohonen神经网络;Elman网络;锡;钼;锑;铸铁;
摘 要:多组分同时测定时,由于组分间的相互影响,特征波长的选择是影响计算精度的重要因素。Sn?、Mo?和Sb?均可与水杨基荧光酮(SAF)和溴化十六烷基三甲胺(CTMAB)发生高灵敏度的显色反应,生成稳定的三元胶束化合物,但紫外吸收光谱重叠严重。实验提出将Kohonen神经网络与Elman网络相结合建立了铸铁中3种金属同时测定的定量分析方法。方法利用Kohonen神经网络的聚类能力选择特征波长点,然后用优化后的Elman神经网络对优选特征波长点处的吸光度数据建立预测模型。结果表明,用从全谱中选出的26个波长点吸光度数据建模,整体预测效果最好。将实验方法用于合成样测定,预测结果与实际浓度的平均相对误差绝对值在2.24%~3.10%之间;用于铸铁样中Sn、Mo和Sb同时测定,测定值与原子吸收光谱法测定值吻合较好,相对标准偏差(RSD,n=7)在1.2%~2.7%之间。
申明金
川北医学院化学教研室
摘 要:多组分同时测定时,由于组分间的相互影响,特征波长的选择是影响计算精度的重要因素。Sn?、Mo?和Sb?均可与水杨基荧光酮(SAF)和溴化十六烷基三甲胺(CTMAB)发生高灵敏度的显色反应,生成稳定的三元胶束化合物,但紫外吸收光谱重叠严重。实验提出将Kohonen神经网络与Elman网络相结合建立了铸铁中3种金属同时测定的定量分析方法。方法利用Kohonen神经网络的聚类能力选择特征波长点,然后用优化后的Elman神经网络对优选特征波长点处的吸光度数据建立预测模型。结果表明,用从全谱中选出的26个波长点吸光度数据建模,整体预测效果最好。将实验方法用于合成样测定,预测结果与实际浓度的平均相对误差绝对值在2.24%~3.10%之间;用于铸铁样中Sn、Mo和Sb同时测定,测定值与原子吸收光谱法测定值吻合较好,相对标准偏差(RSD,n=7)在1.2%~2.7%之间。
关键词:Kohonen神经网络;Elman网络;锡;钼;锑;铸铁;