人工神经网络法对多组分大气污染物的同时监测

用 18 7 8的反向传播人工神经网络 (BP ANN)模型 ,对FTIR光谱图存在着严重混叠干扰的八种有毒易挥发有机化合物 (VOCs)组成的大气污染物进行了同时定量测定 ,得到了各污染物的浓度。所测定的八种VOCs为苯乙酮 ,苯酚 ,三氯甲苯 ,1,3丁二烯 ,氯苯 ,甲醇 ,三氯代乙烷和二氯甲烷。用标准预测误差 (%SEP) ,平均预测误差 (MPE)和平均相对误差 (MRE)来评价其预测能力。结果表明 ,本方法对多组分大气污染物定量分析 ,能够得到较为满意的结果。

人工神经网络法预测MH-Ni蓄电池容量

MH Ni电池放电容量的预测和估计,是电池管理系统中一个非常重要的内容。某一状态下MH Ni电池的放电容量是放电电流、电压、温度以及过去电池充放电的历史等参数的函数。运用ANN方法,即人工神经网络方法,可逼近任何多输入输出参数函数的性能,预测了不同放电电流和电压下MH Ni电池放电容量的大小,结果表明,ANN方法有良好的实用性,可用来预测MH Ni电池的放电容量。

荧光光谱-人工神经网络法同时测定注射液中色氨酸和酪氨酸

本文用人工神经网络法中的误差反传学习算法对色氨酸、酪氨酸混合体系的荧光光谱进行解析,提出了同时测定这两种氨基酸的计算分析方法。以pH=7.15的KH_2PO_4-K_2HPO_4的缓冲溶液为介质,用224nm为激发波长,在290～400nm的范围内,以14个特征波长处的荧光强度值作为网络特征参数,进行网络训练。网络训练了12次即达到误差精度要求(误差平方和小于0.1)。以同样方法对复合氨基酸注射液进行测定,通过训练好的网络进行色氨酸、酪氨酸含量的计算,相对误差分别为4.0％和2.6％。实验表明,该方法与现有的算法相比具有训练速度快、预测结果准确度高等特点。该方法与荧光法结合有望成为多组分分析的有效方法之一。

人工神经网络法在烃源岩测井评价中的应用

运用有机地球化学方法分析岩芯、岩屑样品的有机碳含量存在着昂贵、费时且不准确等问题 .利用测井方法的优点是经济、准确 .在测井评价中使用人工神经网络法具有极大的优越性和适用性 .本文结合Kohonen和BP网络方法 ,完成了塔里木台盆区 19口井的寒武、奥陶系烃源岩层段的识别与评价 .并通过测井资料处理成果和岩芯有机地化资料、地质录井情况的相互检验、证实 ,基本上能够满足评价烃源岩的需要 ,从而为利用测井资料进行烃源岩评价做出了新的尝试 .

前馈人工神经网络法在大坝安全监控中的应用

应用预测模型来监控大坝复杂的工作性态是一条有效途径。但因大坝的工作条件复杂、影响因素众多 ,给应用精确的数学模型监控大坝工作性态带来了困难。为此 ,应用人工神经网络模型隐式的数学表达形式 ,提出并建立了基于交替学习迭代算法的人工神经网络模型 ,并结合清江隔河岩水电站的实际 ,研究了这种模型在大坝基础渗流量及进水闸顶位移预测中的实际应用 ,其误差收敛快 ,预报精度较高。通过进一步的研究后 。

基团贡献人工神经网络法估算有机物常压沸点

基于基团贡献应用人工神经网络法对有机物的常压沸点进行了估算 ,输入参数为有机物的基团数 ,输出为常压沸点 ,本方法具有很好的灵活性 ,并能考虑到基团的相互作用 ,189个样本估算的平均相对误差仅为 1.5 9%

多地质因素的勘探目标优选——人工神经网络法与多元回归分析法比较研究

将人工神经网络法及多元回归分析法分别用于优选预测库车坳陷北带圈闭的勘探目标 ,结果发现人工神经网络法远比多元回归分析法优越。其根本原因是圈闭的优劣与其相关地质因素之间存在着一个复杂的非线性关系 ,人工神经网络法所描述的多因素关系恰是非线性的 ,而多元回归分析法只能描述线性关系。因此 ,当描述多个地质因素的复杂关系时 ,应提倡采用人工神经网络法。当然 ,多元回归分析法也具有人工神经网络所不具备的计算速度快、能较好地表达圈闭优劣与其相关地质因素之间亲疏关系的优点 。

近红外光谱分析中人工神经网络法的应用

设计了实用的人工神经网络模型进行定标并预测.用误差反向传播算法,构造了三层的神经网络结构,用于解决光谱分析中谱峰重叠严重、噪声较大等问题.在定标样本数量较大的情况下,应用人工神经网络方法对玉米的蛋白质含量和近红外吸收光谱进行了分析和讨论.实验结果表明,人工神经网络方法优于线形回归法和偏最小二乘方法.

人工神经网络法在镍基变形合金蠕变断裂寿命预测中的应用

在试验数据的基础上,利用人工神经网络建立不同成分镍基变形合金的不同温度,外应力与蠕变断裂寿命之间关系模型,并进行网络训练,对合金的蠕变断裂寿命进行模拟。结果表明,模拟结果与实测结果吻合良好,采用人工神经网络方法可以为镍基变形合金蠕变断裂寿命的预测提供一种有效的手段。

路面结构参数同时反算人工神经网络法

利用传递矩阵方法 ,计算出柔性路面结构在轴对称荷载作用及层间完全接触情况下的路表弯沉值 ,以该结果为输入数据训练四层 BP网络 ,得到较精确的网络权值和阈值 ;在此基础上实现了对柔性路面结构层的模量和厚度参数的同时反算 .计算分析表明 ,该方法速度快且精度高 ;既可反算路面结构层的模量 ,又能反算其厚度 .通过与实际值比较 。

人工神经网络法同时测定安痛定注射液中三组份含量

目的:建立不经分离同时测定安痛定注射液中三组份含量的方法。方法:运用误差反向传播(BP)的人工神经网络法(ANN)并将人工神经网络法与标准法测得实际样品的结果进行比较。结果:该法测得模拟样品中氨基比林、安替比林、巴比妥的平均回收率分别为99.4%、100.6%、100.2%,相对标准偏差分别为2.0%、1.8%、1.7%,经t检验表明,两者无显著差异。结论:人工神经网络法可快速、准确地测定复方药物制剂多组份含量。

人工神经网络法测定安钠咖注射液两组分含量

运用误差反向传递（BP）人工神经网络法同时测定安钠咖注射液两组分含量，测得苯甲酸钠与咖啡国的平均回收率和相对标准差分别为99.7％，0．83％，100．9％，0．59％，而偏最小二乘法（PLS）所测得苯甲酸钠与咖啡因的平均回收率和相对标准差分别为99．1％，0．98％，99．4％，1．2％。文中输入层、隐蔽层、输出层分别取34个、5个、2个节点，学习速率和动量项分别选定0．50，0．70。

风味蛋白酶水解合浦珠母贝肉制备抗菌肽人工神经网络法优化工艺

利用具有自学习特点的人工神经网络可实现对酶解过程的模拟仿真,研究从合浦珠母贝肉中制备抗菌肽的最佳工艺条件。采用3层(5-9-3)人工神经网络法对风味蛋白酶水解合浦珠母贝肉的工艺过程进行模拟和优化,并通过管碟抑菌法对产物的抑菌性质进行分析。结果表明:pH7.0、水解温度55℃、酶添加量1.6%、水解时间4h、料液比7:5,制备得到肽A,抑制鼠伤寒沙门氏菌最强,抑菌圈直径14.20mm,平均肽链长度2.6;pH7.0、水解温度55℃、酶添加量1.7%、水解时间4h、料液比3:2,制备得到肽B,抑制痢疾志贺氏菌最强,抑菌圈直径23.42mm,平均肽链长度2.8;pH6.5、水解温度60℃、酶添加量2.5%、水解时间4h、料液比7:5,制备得到肽C,对单核细胞增生李斯特菌的抑制效果最强,抑菌圈直径16.60mm,平均肽链长度2.5。3种抗菌肽对大肠杆菌、金黄色葡萄球菌也具有较强的抑菌效果,抑菌率为74.3%～80.8%。本研究利用人工神经网络优化制备的贝肉抗菌肽克服了纯度低、提取率低等缺点,为合浦珠母贝肉抗菌肽的开发利用提供技术支撑。

路面结构参数同时反算的人工神经网络法

利用传递矩阵方法 ,计算出柔性路面结构在轴对称荷载作用及层间完全接触情况下的路表弯沉值 ,以该结果为输入数据训练三层BP网络 ,得到较精确的网络权值和阈值 ,在此基础上实现对柔性路面结构层的模量和厚度参数的同时反算 ,计算分析表明该方法速度快且精度高 ,既可反算路面结构层的模量又能反算路面结构层的厚度 ;通过与实际值比较 。

BP人工神经网络法在大同市日极大风速预报中的应用

文章利用2010年1月1日—2013年12月31日逐日NCEP再分析资料(1°×1°)和大同地区地面常规观测资料,采用BP人工神经网络法建立大同市分站点、分季节日极大风速人工神经网络预报模型并且在对T639数值预报产品和EC细网格数值预报产品释用基础上建立了台站日极大风速的客观预报系统,对2015年9月1日—2016年7月31日进行了24h预报,试用结果显示,各季模式平均绝对误差在3.2~5.7m·s^-1之间,因此,该系统可以为预报员快速做出日极大风速的预报提供客观参考依据。

人工神经网络法优化醋莪术挥发油的提取与包合工艺

目的优化醋莪术挥发油的提取与包合工艺。方法采用水蒸气蒸馏法提取醋莪术挥发油,以浸泡时间、加水量、提取时间为主要影响因素,以挥发油得率为评价指标,正交试验筛选挥发油的提取工艺;采用饱和水溶液法包合挥发油,以β环糊精与挥发油的加入比例、包合时间及包合温度为主要影响因素,以挥发油包合率和包合物得率为评价指标,进行正交试验设计,筛选挥发油包合工艺。采用人工神经网络法,优化提取与包合的参数。结果提取与包合工艺条件分别为:取醋莪术饮片100 g,加8倍量水,浸泡1 h,水蒸气蒸馏提取6 h,即得挥发油;取挥发油1 mL,β环糊精与挥发油加入比为8∶1,包合温度50℃,包合1 h,即得挥发油包合物。结论优化工艺能显著提高原药材中挥发油的利用率,稳定可行,重复性较好。

人工神经网络法预测有机物临界体积研究

人工神经网络法预测有机物临界体积研究张向东（辽宁大学化学系沈阳１１００３６）赵立群，张国义（沈阳化工学院高分子化工系１１００２１）１基本原理￣［１］最近几年国内外学者将人工神经网络方法应用于解决化学问题收到较好效果￣［２］。误差反向传播（ＢＰ）模型是...

Box-Behnken响应面法结合人工神经网络优选蜜炙川芎炮制工艺

目的:优选蜜炙川芎炮制工艺,恢复川芎传统炮制品种。方法:在单因素实验设计基础上,以蜜炙川芎阿魏酸、藁本内酯含量为评价指标,采用Box-Behnken响应面设计实验考察加蜜量、炮制温度、炮制时间、闷润时间对蜜炙工艺的影响,并通过人工神经网络模型进一步优化炮制工艺参数。结果:优选的最佳蜜炙工艺为加蜜量25%、炮制温度160℃、炮制时间15 min、闷润时间2.5 h。结论:人工神经网络模型与Box-Behnken响应面法联用优选的工艺稳定,模型预测效果较好,具备可行性。

人工神经网络-紫外吸光光度法同时测定芴和苊

用人工神经网络 紫外吸光光度法不经分离同时测定芴和苊 ,并与偏最小二乘 紫外吸光光度法比较 .对合成样品进行分析 .结果表明 。

用人工神经网络预测食品感观性的新方法

用人工神经网络预测食品感观性的新方法王奉堂（无锡轻工大学，２１４０３６，无锡）０概述很多食品其发泡性、稳定性及乳化能力与感观因素反映了食品的理化性质及各种蛋白质的成分和它们之间的相互作用和影响，例如对某一种速冻食品我们要分析其中１１种蛋白质（核糖核酸...