基于RBF网络的ICP-AES重叠谱线分离方法研究

• 作者: 刘钰 廉小亲 陈彦铭 黄静
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 光谱重叠干扰 神经网络 光谱分离
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 仿真服务化
• 页码范围: 398-403
• 页数: 6页
• 分类号: TP183
• 语种: 中文

摘要

在电感耦合等离子体原子发射光谱法(ICP-AES)分析中,光谱重叠干扰现象导致元素光谱测量结果产生误差.利用人工神经网络在非线性关系处理上的良好特性,可对重叠光谱拟合分峰问题有效处理,以达到测量误差校正的目的.在研究光谱叠加机理的基础上,建立高斯叠加模型,并综合应用正交试验思想构造神经网络数据样本;设计基于径向基函数(RBF)神经网络的谱峰分离参数预测模型,对分离谱线的峰值、峰位等参数进行预测,最终实现叠加谱线分析线与干扰线的分离.仿真结果表明,基于RBF网络的谱峰分离参数预测方法可应用于重叠光谱的多峰分离,其分峰效果良好,为光谱重叠干扰的校正打下基础.