基于列文伯格-马夸尔特-反向传播人工神经网络的X射线荧光光谱定量分析方法

• 作者: 李芳 王纪华 陆安祥
• 来源期刊: 食品安全质量检测学报
• 关键词: 列文伯格-马夸尔特算法 反向传播神经网络 X射线荧光光谱
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 本期专题:北京农业质量标准与检测技术研究中心
• 页码范围: 1152-1158
• 页数: 7页
• 字数: 3674字
• 语种: 中文

摘要

目的 建立一种基于列文伯格-马夸尔特-反向传播人工神经网络(Levenberg-Marquardt back-propagation artificial neural networks,LM-BP-ANN)的X射线荧光光谱(XRF)的定量检测分析方法.方法 采集84个土壤样品光谱数据,预处理后应用主成分分析(PCA)提取特征参数,随机选取训练集、校正集、预测集样品个数分别为42、21、21.以均方差(MSE)、校正决定系数(R2)、校正标准差(SEC)、验证决定系数(r2)、预测标准差(SEP)和相对预测误差(RPD)为评价指标,同时分析比较LM-BP-ANN、BP-ANN、PLS三种算法的建模结果,并利用模型预测土壤重金属含量.结果 实验确定隐含层神经元数目、学习率和迭代次数值依次为:6、0.1和8,3种建模方法中LM-BP-ANN效果最优,模型的相关系数高于0.98,表明模型有效.结论 模型分析快速,可用于实际土壤样品中重金属含量的检测,对于改进X射线荧光光谱仪的检测准确度有着重要的意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李芳		4	52	3.0	4.0