气溶胶单粒子化学成分在线聚类分析的论文.docVIP

　　气溶胶单粒子化学成分在线聚类分析的论文 气溶胶单粒子化学成分在线聚类分析 【摘要】 　　为了在线快速、自动处理气溶胶激光飞行时间质谱仪在运行过程中产生的海量数据并提取有价值的信息，将基于神经网络的自适应共振算法运用于气溶胶单粒子化学成分在线聚类分析。利用该算法对nacl粒子、nacl和cacl2的气溶胶混合物、三聚氰胺气溶胶单粒子以及大气气溶胶单粒子进行在线分类，被成功分类的粒子数占命中粒子总数的100%，当警戒阈值为0.1，学习速率为0.05时，获得的每类聚类中心都能很好地代表该类物质的特征;深入研究了警戒阈值对nacl粒子在线聚类数的影响。结果表明: 当警戒阈值增大到0.8时，在线聚类数增多，分类更加精细。本算法的质谱分析软件基本满足大气气溶胶单粒子在线聚类分析的要求。 【关键词】 大气气溶胶; 气溶胶单粒子; 化学成分; 气溶胶激光飞行时间质谱仪; 自适应共振神经网络 　　realtime classification of aerosol single 　　particles chemistry position 　　xia ental spectroscopy, anhui institute of optics and fine mechanics, chinese academy of sciences, hefei 230031 　　abstract to quickly process the laser desorption/ionization mass spectra eofflight mass spectrometer (altofms) during its ation, an adaptive resonance theorybased neural , e classification of single particles of nacl, the mixture of nacl and cacl2 aerosol, melamine and the atmospheric aerosol. experimental results sho could successfully reveal the aerosol particles categories. besides the successful probability ass spectra for the single particle classes arkably. the number of nacl single particle classes as a function of vigilance factor ber of nacl particle classes ore the classification uch more precise. the mass spectra acquisition and control softeet the requirements of realtime classification of atmospheric aerosol single particles. 　　keyospheric aerosol; aerosol single particle; chemistry position; aerosol laser timeofflight mass spectrometer; adaptive resonance neural eofflight mass spectrometer，altofms)能够对单个气溶胶粒子的粒径和化学成分进行实时测量[4,5]。该仪器在使用过程中会产生海量数据(每分钟达上百个质谱数据)，依靠人工处理数据不仅速度慢、劳动强度大，还易出现误差，极大地削弱了仪器实时测量的优势。因此，开发高效全面的在线质谱分析软件非常必要。 　　目前已用于质谱数据分析的方法多为离线分析，如等级聚类分析(hca)、主成分分析(pca)、模糊c均值(fcm)[5]、自组织特征映射神经网络(som)和自适应共振算法(art2a)[6～8]。本课题组利用fcm和art2a算法对气溶胶质谱进行离线聚类分析[5,8]，取得了较好的效果，但无法满足实时在线快速提取信息的要求。目前，在线聚类分析质谱数据方面的工作鲜有报道。 　　art2a神经网络算法与其它算法相比，其最大的特点是能快速识别遇到过的质谱模式类型，即存储在数据库中的聚类中心所代表的模式类，并且能够根据环境输入，自动将不同于已知质谱模式类但又具有相似特征的输入归为新的一类，并将学习到的这个新类的聚类中心保存下来，作为一种新的模式类参与以后的分类。简单而言，该算法具有无需监督、可灵