利用神经网络提高偏最小二乘法的NIR多组分分析精度

摘要：

提出了一种神经网络(ANN)和偏最小二乘法(PLS)结合的新的近红外(NIR)多组分分析法. 该方法首先把训练样本中待测组分涵盖的浓度区间分成若干个子区间, 利用各个子区间的训练样本分别建立PLS校正模型, 然后利用ANN对未知样本进行分类, 判断其所属的浓度子区间, 应用对应子区间上的校正模型计算预测样本的组分浓度. 和传统的PLS比较, 此方法改善了模型的适应性, 显著地提高了预测精度. 实验及数据处理结果证明了本方法的有效性.

关键词：偏最小二乘法、神经网络、近红外光谱

所属期刊栏目：25

分类号：O235(控制论、信息论（数学理论）)

资助基金：教育部高校骨干教师资助计划2000931

在线出版日期：2005-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：381-383