本文關鍵詞：可拓神經網絡模式識別對成品油的鑒別與測量

  更多相關文章： 三維熒光光譜 成品油 主成分分析 可拓神經網絡

【摘要】：燃油存在"消耗量大"、"相對低質"、"前端缺少清潔"、"末端排放缺乏控制"四大問題,我國的空氣污染60%以上來自煤和油的燃燒,霧霾問題很大程度上取決于能源問題�？焖贉蚀_地實現汽油、柴油、煤油等成品油的鑒別與測量,對于實施空氣污染監(jiān)測及治理具有重要意義。在精確地表征成品油種類信息的基礎上,為了提高網絡模型的識別效率,采用主成分分析方法將高維空間進行降維處理。對最常用的三維熒光光譜基于激發(fā)-發(fā)射矩陣(excitation-emission matrix,EEM)數據進行主成分分析以提取更精細、更深層的特征參量。分類過程中應用交叉驗證的方法避免發(fā)生"過擬合"現象。設計鑒別和測量雙重處理的神經網絡,將神經網絡模式識別結果反饋到濃度網絡的輸入端,與相對斜率、綜合本底參數、相對熒光強度一起測量相應種類的濃度輸出,利用可拓神經網絡模式識別技術實現成品油的鑒別與測量。應用可拓神經網絡方法實現成品油種類模式識別的平均識別率達到0.99,濃度平均回收率為0.95。模式識別平均耗時為2.5s,僅為PARAFAC模型分析方法的48.5%。該方法顯著提高了運算速度,且應用效果理想。需要指出的是,在分析諸如成品油、茶葉、農藥等成分復雜的混合物時,應針對具體待測物制作相應的校正樣本,用以確保分析的準確性與精度。
【作者單位】： 燕山大學測試計量技術及儀器河北省重點實驗室;河北省自動化研究所;華北理工大學電氣工程學院;
【關鍵詞】： 三維熒光光譜 成品油 主成分分析 可拓神經網絡
【基金】：國家自然科學基金項目(61471312) 河北省自然科學基金項目(F2015203240,F2015203072,F2015203392)資助
【分類號】：O657.3;TE626
【正文快照】： 引言我國的空氣污染60%以上來自煤和油的燃燒,快速準確地實現成品油的鑒別與測量,對于實施空氣污染監(jiān)測及治理具有重要意義。近年來國內許多研究者對油類熒光光譜的數學特征進行提取,應用基于表觀特征的原點矩、峰度系數等統(tǒng)計學指標實現光譜參數化[1-2],僅能反映出三維熒光譜，

本文編號：748427