遗传算法优化的 BP 神经网络在 EDX RF 中对钛铁元素含量的预测

• 作者: 刘明哲 庹先国 李哲 李磊 王俊 石睿
• 来源期刊: 原子能科学技术
• 关键词: 能量色散X荧光分析 定量分析 BP神经网络 遗传算法
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 技术及应用
• 页码范围: 1143-1148
• 页数: 6页
• 分类号: TL99
• 语种: 中文
• DOI: 10.7538/yzk.2015.49.06.1143

摘要

在能量色散X荧光分析（EDXRF）技术中，受均匀效应、颗粒效应和基体效应等的干扰，定量分析精度受到影响。本文针对这一问题提出了遗传算法（GA ）优化BP神经网络（GA‐BP）的混合算法，该算法无需考虑元素浓度和射线强度之间的复杂关系。遗传算法优化BP神经网络的目的是为了获得更好的网络初始权值和阈值，其基本思想是：将初始化的BP神经网络均方根误差的倒数编码为遗传算法中个体的适应度；初始的权值和阈值用遗传算法中的个体代替，然后通过选择、交叉和变异操作挑选出最优个体，最后通过解码用最优的权值和阈值创建一个新的BP网络模型。攀枝花矿区5类矿样中钛和铁含量的整体预测和分类预测实验表明，分类预测效果远好于整体预测。预测值与化学分析值比较结果表明，其中76.7％的样品相对误差小于2％，表明了该方法在元素间基体效应校正上的有效性。