10.13413/j.cnki.jdxblxb.2022411
基于改进RBF神经网络模型的土壤背景估计算法
针对土壤背景估计算法参数确定后适应性较差的问题,提出一种基于径向基函数(RBF)神经网络模型的土壤背景估计算法,以有效提升针对土壤的能量色散型X射线荧光检测的背景扣除效果及元素定量精度.首先分析了常用的土壤背景估计模型,针对连续剥峰法和小波变换对背景估计的扣除效果和问题提出基于改进RBF神经网络的算法模型,然后从理论上证明该算法模型的有效性,并将该模型应用于实际的土壤能量色散型X射线荧光检测系统中,对国家标准土壤样品进行检测,对Cr,Zn和As等重金属元素的定量探测进行深入分析.实验结果表明,基于该土壤背景估计算法能更好地进行元素能量特征值提取,降低背景对元素特征峰和质量分数的影响,进而有效提升土壤元素的定量精度.
能量色散型X射线荧光检测、土壤元素分析、径向基函数神经网络模型、背景估计
61
TP183(自动化基础理论)
吉林省重点科技研发项目20180201112GX
2023-05-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
577-582