基于非洲秃鹫算法优化卷积神经网络的重叠峰解析方法

利用光谱仪器检测土壤中重金属时,由于仪器分辨率较低,峰位相近元素的特征峰会产生重叠。光谱重叠峰严重影响定量分析结果的准确性,为了得到准确的重金属含量需要进行光谱重叠峰分解。提出利用非洲秃鹫算法优化卷积神经网络(AVOA-CNN)的重叠峰解析方法。首先,利用高斯函数模型模拟出150个双高斯含噪光谱重叠峰和43个三高斯含噪光谱重叠峰,选择不同小波基函数进行光谱数据去噪,以信噪比和均方根误差(root mean square error, RMSE)为评价指标,最终确定coif 3小波基函数,使用导数法进行光谱重叠峰预处理。然后,使用AVOA-CNN获得卷积神经网络(convolutional neural network, CNN)预测结果,解析结果表明:AVOA-CNN成功分解重叠峰且准确率高,双高斯光谱重叠峰和三高斯光谱重叠峰参数(峰强度,峰位,峰宽)的最大相对误差平均值分别为3.15%和5.90%。最后对比麻雀搜索算法优化CNN、CNN与AVOA-CNN,结果显示AVOA-CNN模型预测准确率最高。

对称零面积变换结合L-M拟合自动识别重叠光谱峰

Raman光谱分析中,由于仪器光谱分辨率的限制和复杂的目标成分,经常存在着谱峰重叠现象。容易导致谱峰参数提取乃至样品成分分析错误,更为现场光谱的自动分析处理增加了难度。重叠光谱峰的识别已成为现场光谱学处理的难点,针对这个问题,建立了一套自动识别重叠谱峰的方法:以多个高斯峰的组合作为重叠光谱解析模型,首先以对称零面积变换寻峰方法确定高斯峰的个数和初步的峰位、峰高、宽度参数,并以Levenberg-Marquardt方法对获得的初始高斯峰参数进行拟合优化,最终获得各个独立谱峰的拟合参数。对该方法进行了测试,其中以仿真数据进行的算法实验证明,对称零面积变换寻峰获得的初始参数与真实值较为接近,在此基础上进行的参数优化收敛速度快,对峰参数的提取可获得较高的准确度;以具有不同信噪比的实测Raman光谱数据进行的算法实验证明,该方法可以适用于信噪比在较大范围变化的信号,但对信噪比过低的实测信号则容易产生虚假峰和漏峰。研究证明,以对称零面积变换寻峰结合L-M拟合自动识别重叠光谱峰的方法具有一定的实用价值。

基于GMM-ICSA的光谱重叠峰分解研究

针对X射线荧光光谱法(XRF)中Pb元素和As元素的重叠峰导致的元素浓度建模困难、乌鸦搜索算法(CSA)鲁棒性较弱等问题,将高斯混合模型(GMM)与改进型乌鸦算法(ICSA)相结合来实现重叠峰的分解。ICSA相比于CSA的改进主要有:引入了"乌鸦反哺"的特性,将GMM与ICSA更好的衔接在一起;将固定的意识概率更改为梯度型,使种群迭代更有多样性;适当调整了全局的优化策略,使算法更稳定收敛更快。将GMM模型与GMM-ICSA模型作对比实验,可得优化后的模型分解精度提升了4.93%;同时以均方误差和迭代时间为衡量搜索算法的标准,将ICSA与同类型的4种算法做了对比实验得出:CSA的均方误差和迭代时间均优于其他算法,从而表明改进后的算法能处理重叠峰问题的可行性。

EDXRF法在铁氧体分析中的应用

提出了EDXRF法分析锰锌铁氧体的基本思路和样品重峰的解决方法,分析样品中基体效应形成原因以及提出基体效应的解决办法,使样品中MnO、ZnO、Fe2O3的分析精度(RSD)分别达到0.6%、0.45%、0.36%,从而达到生产需要。

基于优化迭代算法的细胞荧光光谱解析

使用光谱测量方法进行细胞多色荧光分析时,发射光谱会产生部分光谱重叠,为定性和定量分析造成了一定的困难。为此,提出基于优化迭代算法的细胞荧光光谱解析算法,建立重叠峰模型并确定单峰顶点;根据每次构造峰面积的大小,重新确定构造峰的构造方式,最终得到模拟峰的顶点及面积信息。利用该算法对高斯函数叠加形成的重叠峰进行解析,并与常规方法进行对比,结果表明优化迭代算法解析误差稳定在0.15%以内;加入随机噪声后,解析误差可稳定在0.85%以内,均优于另外两种算法。此外,计算了该算法下的迭代效率,结果表明该算法较常规方法提高了32.2%。

扫描电镜能谱仪谱峰鉴别方法

简单介绍了扫描电镜附带的X射线能谱仪(EDS)的工作原理及应用;主要介绍了能谱仪分析中常出现的谱峰鉴别问题:假峰和重叠峰;重点介绍了假峰和重叠峰的鉴别方法,假峰一般仪器可自动识别,重叠峰可通过四种方法来鉴别:提高加速电压、利用多条谱线进行鉴别,利用谱图重构功能、增加采集时间的方法进行鉴别,通过计算实际和理论的峰高比进行鉴别,通过定量优化的方法进行确认鉴别。正确地鉴别能谱峰,可提高能谱仪定性、定量分析的精度。

衬底对粉末试样能谱分析结果的影响

选择不同的衬底对粉末试样进行能谱分析,研究了衬底对粉末试样能谱分析结果的影响。结果表明:当衬底中的元素与试样中的元素存在特征X射线谱峰重叠现象时,面扫描谱图中元素的亮点分布异常,导致无法获得理想的能谱分析结果。列举了几种常用衬底及与其谱峰重叠的元素,有利于快速地选择合适的衬底,以获得理想的能谱分析结果。

电力设备的拉曼光谱重叠谱峰数据自动识别方法

为了提高对变压器的交流侧稳控制能力,需要进行拉曼光谱重叠谱峰数据自动识别,提出一种基于最大功率响应及自适应调节的电力设备拉曼光谱重叠谱峰数据自动识别方法,采用稳控涉网全局联调检测方法进行电力设备的拉曼光谱数据采集,提取电力设备的拉曼光谱重叠谱峰特征量,采用全站发电功率响应分配方法进行电力设备的拉曼光谱特征检测,构建电力设备所有机组转子的负阻尼超低频特征量,采用系统惯量中心特征分析方法进行电力设备变压器的最大功率响应计算及输出自适应调节,采用多直流调制方法,实现电力设备的拉曼光谱重叠谱峰数据自动识别。仿真结果表明,采用该方法进行电力设备的拉曼光谱重叠谱峰数据识别的准确性较高,输出侧稳控制能力较强,系统频率振荡抑制性能较好。