10.3964/j.issn.1000-0593.2007.12.019
基于Elman网络的近红外光谱技术多组分定量分析研究
研究了Elman神经网络(反馈神经网络,Recurrent Network)在近红外光谱定量分析中的应用.以饲料样品为实验材料,采用Elman网络建立了饲料中苯丙氨酸(Phe)、赖氨酸(Lys)、酪氨酸(Tyr)和胱氨酸(Cys)四种氨基酸含量的近红外光谱定量分析模型.用偏最小二乘法(partial least squares,PLS)将原始数据压缩为主成分,取前3个主成分的12个吸收峰值输入Elman网络,网络中间层神经元个数为47.Elman网络模型对样品4个氨基酸含量的预测决定系数(r2)分别为0.960,0.981,0.979,0.952.表明所建Elman网络预测模型通过近红外光谱能够较准确预测饲料中苯丙氨酸、赖氨酸、酪氨酸和胱氨酸四种氨基酸的含量,为通过近红外光谱技术进行多组分定量分析提供了新思路.
近红外光谱、Elman网络、偏最小二乘法、多组分定量分析
27
O657.3(分析化学)
教育部南昌大学食品科学重点实验室开放基金NCU200404;江西省星火计划项目2005
2008-04-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
2456-2459