小波包变换广义回归神经网络分光光度法同时测定铜铅锌
来源期刊：冶金分析2007年第10期
论文作者：高玲 任守信
关键词：小波包变换; 广义回归神经网络; Cu(Ⅱ); Pb(Ⅱ); Zn(Ⅱ);
摘 要：本文建立了一种小波包变换广义回归神经网络(WPTGRNN)方法,同时测定Cu(Ⅱ),Pb(Ⅱ)和Zn(Ⅱ).该法结合小波包变换(WPT)和广义回归神经网络(GRNN)改进除噪质量和预测能力.信号的小波包描述可提供信号的局部时间和空间信息,从而提高了信号和噪音之间的分离能力.除噪质量还可经最好基原理和阈值操作得到进一步改进.广义回归神经网络能克服反传训练所面临的收敛问题及促进非线性计算.通过最佳化,选择了小波函数、小波包分解水平及GRNN的平滑因子,偏最小二乘法(PLS)用于比较研究.编制了3个程序(PWPTGRNN,PGRNN和PPLS)进行相关计算,所有组分的预测标准误差(SEP)和相对预测标准误差(RSEP)分别为8.0×10-7 mol/L和5.5%,WPTGRNN法是成功的且优于GRNN及PLS方法.
高玲1，任守信1
(1.内蒙古大学化学化工学院,内蒙古呼和浩特,010021)
摘要:本文建立了一种小波包变换广义回归神经网络(WPTGRNN)方法,同时测定Cu(Ⅱ),Pb(Ⅱ)和Zn(Ⅱ).该法结合小波包变换(WPT)和广义回归神经网络(GRNN)改进除噪质量和预测能力.信号的小波包描述可提供信号的局部时间和空间信息,从而提高了信号和噪音之间的分离能力.除噪质量还可经最好基原理和阈值操作得到进一步改进.广义回归神经网络能克服反传训练所面临的收敛问题及促进非线性计算.通过最佳化,选择了小波函数、小波包分解水平及GRNN的平滑因子,偏最小二乘法(PLS)用于比较研究.编制了3个程序(PWPTGRNN,PGRNN和PPLS)进行相关计算,所有组分的预测标准误差(SEP)和相对预测标准误差(RSEP)分别为8.0×10-7 mol/L和5.5%,WPTGRNN法是成功的且优于GRNN及PLS方法.
关键词:小波包变换; 广义回归神经网络; Cu(Ⅱ); Pb(Ⅱ); Zn(Ⅱ);
【全文内容正在添加中】
