模拟退火-回火算法在原子吸收分光光度多元测定中的应用.PDF

第22 卷第5 期 南　京　化　工　大　学　学　报 Vol.22 No.5 2000年9 月 JOURNAL OF NANJING UNIVERSITY OF CHEMICAL TECHNOLOGY Sep.2000 模拟退火-回火算法在原子吸收分光光度 多元测定中的应用 陈国松　张之翼　唐美 　黄立明　王镇浦 (南京化工大学应用化学系, 南京, 210009) 摘　要:提出了反向传播人工神经网络(BP-ANN)参数学习的模拟退火-回火算法。 在保持模拟退火算法能收 敛于全局最优的特点同时, 利用模拟回火过程, 加快了算法的收敛速度。 建立了原子吸收光谱单波长下多元 测定的BP 网络模型。 利用干扰效应, 用常规火焰原子吸收分光光度法在单波长下同时测定了污水中的痕量 镉和砷, 方法简便、安全, 具有较高的准确度和精密度。 关键词:BP 网络　模拟退火-回火算法　原子吸收分光光度法　镉　砷 中图分类号:O657.31　　文献标识码:A　　文献编号:1007-7537(2000)05-0046-04 　　近年来, 神经网络在人工智能、心理学、工程 度法在测定中对每个多元混合溶液只能得到单波 学和物理学等学科中的应用研究显得空前活跃。 长下的一个数据, 因而本文拟建立多组分浓度※ 神经网络是由大量的神经元互连而成, 根据连接 单一吸光度的映射, 以避免结果的不确定性。本 方式的不同, 目前已有数十种。运用这些网络模 文所建立的原子吸收分光光度多元测定BP 网络 [1] 型可实现信号处理、 参数估计 和过程控制等功 模型如图1所示。 能。本文提出了具有降温-升温循环的模拟退火- 回火算法, 并将该算法用于BP 网络模型参数的 学习和原子吸收分光光度单波长下镉和砷以及钙 和磷的多元测定。 程序采用 MATLAB 语言编 制。 　　 1　原　理 1.1　原子吸收分光光度多元测定网络模型 图1　原子吸收分光光度法多元测定BP 网络 反向传播人工神经网络(Back Propagation Arti- Fig.1　BP net for simultaneous determination by atomic spectropho- ficial Neural Net orks, 简称 BP-ANN 或BP 网络)是 tometry 其中的传递函数可有多种形式, 但由于当组 单向传播的多层前向网络。 除输入层和输出层 分浓度全为0 时, 吸光度也应接近0, 因而笔者采 外, 一般还含有一层或多层隐含层。 同层节点间 用了零输入(浓度为0)时网络输出(吸光度)也为 没有任何耦合。输入信号从输入层节点依次传过 零且取值范围在(0, 1)间的S 型传递函数: 各隐含层节点后至输出节点。其单元特性(传递 [2] f (x )=1-exp(-βx )　(β0) (1) 函数)通常为Sigmoid 型。根据Kolmogorov 定理 , 1+exp(-βx ) BP 网络通过对简单的非线性函数进行数次复合, 1.2　网络学习方法 可以近似任意复杂的连续函数, 是一个从输入到 由梯度下降法构成的BP 算法虽然为网络的 输出的高度非线性映射。考虑到原子吸收分光光 基金项目:江苏省自然科学基金资助课题 收稿日期:1999-11-