kohonen-elman网络在同时测定铸铁中锡钼锑中的应用 application of kohonen-elman network in simultaneous determination of tin, molybdenum and antimony in cast iron.pdfVIP

冶金分析，2016，36(8)：46—51 MetallurgicalAnalysis，2016，36(8)：46—51 DOI：i0．13228／j．boyuan．issnl000—7571．009749 锡钼锑中的应用 申明金 (川I北医学院化学教研室，四川南充637000) 摘 要：多组分同时测定时，由于组分间的相互影响，特征波长的选择是影响计算精度的重要 高灵敏度的显色反应，生成稳定的三元胶束化合物，但紫外吸收光谱重叠严重。实验提出将 Kohonen神经网络与Elman网络相结合建立了铸铁中3种金属同时测定的定量分析方法。 方法利用Kohonen神经网络的聚类能力选择特征波长点，然后用优化后的Elman神经网络对 优选特征波长点处的吸光度数据建立预测模型。结果表明，用从全谱中选出的26个波长点吸 光度数据建模，整体预测效果最好。将实验方法用于合成样测定，预测结果与实际浓度的平均 相对误差绝对值在2．24％～3．10％之间；用于铸铁样中Sn、Mo和Sb同时测定，测定值与原 子吸收光谱法测定值吻合较好，相对标准偏差(RSD，一7)在1．2％～2．7％之间。 关键词：Kohonen神经网络；Elman网络；锡；钼；锑；铸铁 文献标志码：A 文章编号：1000—7571(2016)08—0046—06 金属或合金体系中元素的种类和含量是影响金 力较好。Elman神经网络在前馈神经网络的隐含层 属或合金性能的重要因素，是研究或生产必须了解 中增加了一个关联层，增加了网络处理动态信息的 的信息。例如Sn可大大降低钢及合金的高温机械 能力，具有较强的预测能力和泛化能力。在多组分 性能，Sb使钢的强度降低，脆性增加。但是在钢中 同时测定中，选择特征波长点数也是提高测定精度 加入少量的Sn或加入一定量的Sb会不同程度地 提高钢的耐腐蚀性。Mo能提高钢的淬透性和热强 性能。传统的分光光度法测定金属或合金体系中的 后以Elman神经网络对优选波长处吸光度数据进 单组分元素时需要进行各元素的逐步分离，但存在 行训练和预测，对铸铁中的Sn、Mo和Sb进行同时 分离困难和步骤烦琐的问题。化学计量学是针对复 测定，结果满意。 杂体系中多组分成分不经化学分离而进行同时测定 1 方法原理 的重要方法。在应用化学计量学进行多组分同时测 1．1 定时，BP网络、径向基函数神经网络(RBF)和E卜 Kohonen网络结构及算法原理 man网络是常用的3种数学解析方法[1。3]。其中， BP网络是一种多层前馈神经网络，虽然应用广泛但 存在易落于局部极优点、数值稳定性差等缺点。 (竞争层)组成的自组织竞争型神经网络。网络学习 RBF网络是一种只有一个隐含层的三层前馈神经 时，竞争层上的神经元计算输入样本与竞争层神经 网络，可以任意精度逼近连续函数。但如何选择径 元权值之间的欧几里得距离，将距离最小的神经元 向基函数的宽度以提高网络的泛化能力和精度是一 确定为获胜神经元并调整其权值。通过反复的学 个难点。径向基函数的宽度小则计算精度较高，网 习，最终在每个获胜神经元附近形成一个“聚类区”， 络泛化能力较差；反之则计算精度较差，网络泛化能 使具有相近特性的输入样本在空间聚集分类。用该 收稿日期：2015-09—21 作者简介：申明金(1971一)，男，硕士，副教授，主要从事化学计量学研究；E-mail：shmj318@163．corn -——46—— 万方数据 申明金．Kohonen-Elman网络在同时测定铸铁中锡钼锑中的应用 冶金分析，2016，36(