基于数据拟合和主成分分析的多组分PAHs神经网络定量分析.pdfVIP

第30卷，第10期 光谱学与光谱分析 201 and October，2010 0年10月 SpectroscopySpectralAmlysis 基于数据拟合和主成分分析的多组分PAHs神经网络定量分析 屈薇薇1’2，尚丽平弘，李晓霞2，刘晶2 1．西南科技大学网络信息中心，四川绵阳621010 2．西南科技大学信息工程学院，四川绵阳621010 摘要多组分多环芳烃(PAHs)荧光光谱的神经网络定最分析在网络训练过程中需要大鼍训练样本以提 高辨识精度，使得基础实验工作量大fi耗时耗力。针对这个问题，文章试验性地采用数据拟合代替部分基础 实验，将实验得到的14个训练样本增加到27个；并采用主成分分析法简化神经网络结构，将网络的输人节 点数从60维降低到3维。在对二组分混合PAHs溶液的辨识结果表明，通过将14个实验样本拟合成27个 训练样本来预测3个待测样本的浓度，能够在保持辨识精度的同时减少基础实验工作并简化神经网络结构， 回收率达到89．6％～109．oN，达到了预期目的。 关键词PAHs荧光光谱；数据拟合；主成分分析；神经网络 中图分类号：TPl83文献标识码：A DOI：10．3964／j．issm1000-0593(2010)10-2780-04 使用仪器：日本岛津公司RF5301(PC)S分光光度计， 引 言 石英比色ill[(光程：1cm)。 样品配置：样品取蒽、芘的标准溶液(以乙醇作为本 aromatic 多环芳烃(polycyclichydrocarbon，PAH)是重 底)[71，采用均匀设计的方法嘲，取14个浓度组合作为训练 要的环境和食晶污染物，迄今已发现有200多种。鉴于许多 样本，具体数据如表1所示；预测样本，如表2所示。 多环芳烃都具有强烈的致癌特性，早在1976年美国环境保 护署(USEPA)列管包含苯并芘(Bap)在内的16种PAHs； of Table1 Concentrationthe trainingsamples(mg·L一1、 1990年我国提出的水中优先控制的68种污染物中，PAHs 训练样本 蒽 芘 训练样本 蒽 芘 有7种u】。因此对环境中PAHs含量的有效检测已成为环境 l 0．02 O．15 8 O．25 O．15 保护的一个莆要任务。 2 O．02 0．35 9 O．25 0．35 使用神经网络对PAHs的荧光光谱[2]数据进行定最分 3 O．02 O．5 10 O．25 O．5 析是有效且町行的[3]，但由于实验条件受限造成神经网络的 4 0．1 0．15 11 0．4 0．01 训练样本较少而引起网络不稳定的问题【4j。使用数据拟合法 5 O．1 0．35 12 O．4 0．15 和主成