基亏神经网络同时测定UF6中钼、钛和钨的研究.pdf

基亏神经网络同时测定UF6中钼、钛和钨 的研究 李海燕 ，蒋永锋 ，王关平 (1．甘肃a-业大学 5--学院，甘肃 兰州 730070；2．河海大学 机 电_T-程学院，江fi,常州 213022) 摘 要 ：运用神经网络与分光光度结合的方法，提 出了同时分析六氟化铀 中Mo、Ti和 w 3种杂质元 素的技术。训练网络确定的最佳训练参数为学习速率为0．60，动量项为0．85。检测集测定的六氟化铀 中Mo、Ti和w 3种元素的回收率均在 9O ～1lO 之 间，方法精密度分别为 3．3 、3．9 、4．3 ，对实 际样品进行测定，并与 ICP—AES法结果相 比较 ，两者间相对偏差均小于 10 。 关键词：神经网络 ；分光光度法；同时测定 中图分类号：TP319．77；TQ 041．7 文献标志码 ：A 人工神经网络具有独特的学习能力和 自动建模 分光光度法测定的六氟化铀 中钼 、钛、钨为主要 功能，通过训练集数据能够处理因果关系不明确 、推 杂质，其最大吸收波长接近，相互间存在着吸收光谱 理规则不确定的非线性 问题n]，广泛应用在红外光 重叠，同时在多组分测定过程 中也会 出现部分非线 谱 、紫外光谱 、紫外一可见光谱、原子吸收光谱 以及 电 性的情况，因此会影响测量结果准确度 。目前，尚未 感耦合等离子体发射光谱等分析方面。分光光度法 见同时测定六氟化铀 中多种杂质分析方法 的报 具有操作简单 ，快速准确及重复性好的优点，被广泛 导l4]。因此，本文采用神经网络分光光度法测定六 地应用在冶金 、化工、临床医学 、食品卫生 、环境化学 氟化铀中多种杂质分析方法，将神经 网络引入铀燃 等科学领域。 料分析领域 ，解决元素间光谱重叠问题，为铀燃料分 用分光光度法分析的化学领域存在大量化学数 析行业 中同时多种杂质元素提供一种更为准确的化 据的非线性问题 ，这为神经 网络在化学领域的应用 学测量方法 ，而且还可推广到其它铀化合物的分析 提供了数据学习的来源 。因为神经 网络在多元校正 领域 ，都具有很好的应用价值 。 中优于其他化学计量学方法__2]，所 以将人工神经网 ． 一 络与分光光度法相结合 ，发挥 了分光光度法的优点 ， 一～ 又简化和降低了多组分混合物光谱分析过程中的误 试验用 721分光光度计测量 吸光度 。所用钼 、 差。神经网络在光度法中的应用非常广泛 ，相燕 钛、钨标准溶液均为 国家二级标准 (1000t~g／mL) 开始对人工神经网络在分析化学中的应用效果进行 配制成 10p．g／mL的工作溶液。 了研究 。李芳清 采用径向基人工神经网络，以光 为了在较宽的浓度范 围内进行试验 ，本文采用 度法同时测定铀矿石中铀和钍 ，测定结果比较准确 。 的试验设计方法是均匀设计_1。。。在每种元素的浓 采用神经网络与分光光度法结合 同时测定 2～3种 度范 围内划分了 20个 因素水平 ，并按照均匀设计表 金属杂质 ，毛剑英 [5]开发 了一个前向神经网络数据 U 。(2O)配制了20组混合标准溶液 (表 1)。按照 处理系统 ，并使之与分光光度法结合同时测定水 中 混合标准溶液的配制方案，从 10~g／mL的3种离 的镉 、铅、汞 3种离子 ；何池洋等 分别对 Cu、Cd和 子的标准溶液 中，分别移取准确体积的标准溶液于 Cu、Co、Ni金属配合物体系同时进行各含量测定。 25mL容量瓶 中，然后按照试验方法测定不 同波长 GangSun等[7将 Ba的线性范围为每 1OmL溶液 点的吸光值。将 2O组 已知浓度混合体系分成训练 中 1．O～4．0p．g，经人工神经网络建模 ，成功地扩展 集和检测集 ，其 中