学位论文 > 优秀研究生学位论文题录展示

化学计量学方法在分析化学中应用

作　者: 赵红霞
导　师: 李井会；于洪梅
学　校: 辽宁科技大学
专　业: 化学工艺
关键词: 人工神经网络小波分析遗传算法蚁群算法分光光度法 ICP-AES
分类号: O651
类　型: 硕士论文
年　份: 2006年
下　载: 234次
引　用: 0次
阅　读: 论文下载

内容摘要

化学计量学(chemometrics)是运用数学、统计学和计算机科学处理化学数据以最大限度提取有用化学信息的一门新兴交叉科学。本文主要研究蚁群算法、遗传算法、人工神经网络、小波分析等应用数学方法在分析化学中的应用，主要用于分光光度分析和原子光谱分析，建立了四个新的化学计量学方法。利用遗传算法全局优化能力，将遗传算法与神经网络结合，建立一种新的遗传神经网络(GA-ANN-BP)模型，实现了ANN-BP结构和参数的优化，解决了ANN-BP可能发生的过拟合和过训练恫题。该模型用于分光光度分析钢中钨、钼和钛同时测定。将小波分析与神经网络相结合建立小波神经网络模型用于光度分析同时测定钨、钼和钛。蚁群算法(ACA)是一种全新的仿生算法，是求解复杂的组合优化问题的有力工具。将其与神经网络相结合，建立一利，新的蚁群神经网络(ACA-ANN)模型。并将ACA-ANN用于分光光度分析中钨、钼和锑的同时测定。在数据处理中，将小波分析提取化学特征信息的能力与蚁群神经网络的解析能力相结合，提高了化学计量学方法提取特征信息及预测的能力。利用小波变换多分辨分析的特性进行校正ICP-AES光谱的背景和滤除噪声。将校正后的重叠光谱信号与小波函数的卷积来寻找各个峰的峰位置、确定峰宽之比，在将信号通过峰分辨器，便是重叠峰分离，建立了一个集扣背景、去噪和重叠光谱解析为一体的新的化学计量学方法。论文所用程序均用C语言和Matlab语言编写。引用127篇文献，对近年来蚁群算法小波分析、神经网络、遗传算法在化学中应用的新进展作了评述。

全文目录

摘要  4-5
ABSTRACT  5-11
引言  11-12
第一章文献综述  12-23
  1.1 人工神经网络  12-16
    1.1.1 非线性校正  12-14
    1.1.2 定量构效关系  14
    1.1.3 化学模式识别  14-15
    1.1.4 神经网络和其它化学计量学方法的结合应用  15-16
  1.2 小波分析  16-18
    1.2.1 平滑滤噪  16-17
    1.2.2 数据压缩与校正  17
    1.2.3 奇异性检测-信号分形分析  17-18
  1.3 遗传算法  18-21
    1.3.1 光谱模拟和光谱解析  18-19
    1.3.2 优化处理  19-20
    1.3.3 构效分析  20
    1.3.4 结构与药物分析  20-21
    1.3.5 与其它算法的结合  21
  1.4 蚁群算法  21-23
第二章算法理论  23-48
  2.1 神经网络  23-28
    2.1.1 误差反传神经网络(BP-ANN)模型的理论分析  23-25
    2.1.2 BP训练算法的实现步骤  25-26
    2.1.3 附加冲量项  26
    2.1.4 改进传递函数  26-27
    2.1.5 网络结构的优化  27
    2.1.6 其它  27-28
  2.2 小波变换  28-33
    2.2.1 连续小波变换  28
    2.2.2 离散小波变换  28
    2.2.3 Daubechies小波  28-31
    2.2.4 小波分析用于信号消噪处理  31-32
    2.2.5 小波消噪中阈值的选取规则  32
    2.2.6 小波神经网络  32-33
  2.3 遗传算法  33-41
    2.3.1 编码  33-34
    2.3.2 初始群体的设定  34-35
    2.3.3 个体适应度评价函数  35
    2.3.4 遗传算子  35-39
    2.3.5 终止条件  39
    2.3.6 遗传算法的运行参数  39-40
    2.3.7 遗传算法的运算步骤  40
    2.3.8 遗传神经网络  40-41
  2.4 蚁群算法  41-48
    2.4.1 蚁群算法的生物学原理  42-43
    2.4.2 算法模型及其流程  43-45
    2.4.3 算法参数设置  45
    2.4.4 蚁群算法和神经网络  45-48
第三章遗传神经网络—分光光度法同时测定钨、钼和钛  48-54
  3.1 引言  48
  3.2 方法原理  48-49
  3.3 实验部分  49-50
    3.3.1 主要仪器和试剂  49-50
    3.3.2 实验方法  50
  3.4 结果与讨论  50-54
    3.4.1 吸收光谱  50
    3.4.2 两种重叠光谱解析方法  50-51
    3.4.3 显色条件  51-52
    3.4.4 线性范围及灵敏度  52
    3.4.5 共存离子的影响  52
    3.4.6 样品分析  52-54
第四章蚁群神经网络分光光度法同时测定钨、钼和锑  54-60
  4.1 引言  54
  4.2 方法原理  54
  4.3 实验部分  54-55
    4.3.1 主要仪器和试剂  54-55
    4.3.2 实验方法  55
  4.4 结果与讨论  55-60
    4.4.1 吸收光谱  55
    4.4.2 显色条件  55-56
    4.4.3 线性范围及灵敏度  56
    4.4.4 共存离子的影响  56-57
    4.4.5 db2小波变换实验数据进行特征提取  57
    4.4.6 小波变换最佳级数的确定  57-58
    4.4.7 适应度函数和参数选择  58
    4.4.8 样品分析  58-59
    4.4.9 钢样分析  59-60
第五章小波变换用于ICP-AES重叠光谱的校正和分离  60-67
  5.1 引言  60
  5.2 基本理论  60-62
    5.2.1 小波变换扣除背景原理  60-61
    5.2.2 二阶样条小波卷积分峰原理  61-62
  5.3 实验部分  62-63
    5.3.1 仪器  62-63
    5.3.2 实验方法  63
  5.4 结果与讨论  63-67
    5.4.1 小波变换对光谱信号的去噪和重建  63-64
    5.4.2 小波变换对光谱信号的背景校正  64
    5.4.3 重叠光谱信号的分离  64-65
    5.4.4 钢样的测定  65-67
结论  67-69
参考文献  69-78
致谢  78-79
攻读学位期间发表的学术论文  79

化学计量学方法在分析化学中应用

内容摘要

全文目录

相似论文