基于八角红外光谱反向人工神经网络鉴别.docVIP

基于八角红外光谱反向人工神经网络鉴别.doc

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于八角红外光谱反向人工神经网络鉴别

基于八角红外光谱反向人工神经网络鉴别   摘要:采用傅里叶红外光谱法(FT-IR)获取样品红外指纹图谱,利用人工神经网络误差反向传播算法(BP-ANN)建立八角茴香(Illicium verum Hook.f.)的红外指纹模型。结果表明,该方法可有效鉴别八角茴香和伪八角,与传统鉴别方法结果基本一致,但更直接和快速。该方法可为八角茴香的鉴别提供借鉴和参考。   关键词:八角茴香(Illicium verum Hook.f.);红外光谱;反向传播人工网络;鉴定   中图分类号:R931.5 文献标识码:A 文章编号:0439-8114(2013)18-4497-02   八角茴香(Illicium verum Hook. f.)为木兰科常绿乔木八角的干燥成熟果实,又名大茴香、大料等[1,2]。八角茴香性味辛、甘、温,具有温中散寒、理气止痛的功效,常用于治疗胃寒疼痛、呕逆食少、寒性腰痛等[3]。近期常在市场上发现八角伪品——同属植物果实,因此建立八角的品质鉴定标准十分必要[4-7]。人工神经网络(Artificial neural network,ANN),简称为神经网络,是利用大量简单的处理单元广泛连接组成的复杂网络,可模仿人脑神经网络结构和功能的一种信息处理系统。目前应用较多的是反向传播人工神经网络(Back-propagation,BP-ANN),该系统采用误差逆传播算法,即多层误差修正梯度下降法离线学习,按离散时间方式运行,该算法通过最小化代价函数实现由输入到输出的映射[8-11]。本试验通过人工神经网络系统对48个不同批次、不同产地八角样品的红外光谱分析,找到八角茴香和伪八角间的差异,以期为八角茴香的快速鉴定提供借鉴和参考。   1 材料与方法   1.1 材料   PE1730型傅里叶变换红外光谱仪,配备DTGS检测器。   48份八角样品,采购于张家口市某市场,经河北北方学院药物研究所鉴定。   1.2 方法   1.2.1 样品测定 样品经烤箱烘干,机器粉碎,过60目筛,备用。称取1~2 mg样品,研细,加入100~200 mg溴化钾,压制为0.1 mm透明薄片后,上机测定。测定条件:光谱分辨率4 cm-1,测量范围4 000~400 cm-1,环境温度22 ℃左右。样品在测试前扫描背景,扫描30次,取30次测量值的平均值。   1.2.2 方法学验证 同一样品供试片连续测定5次,验证方法的精密度;同一份样品分别???样5次进行压片测定,验证方法的重现性;取同一样品片放入干燥器内保存,分别放置0、1、2、4、6、12、24 h 后测定,验证方法的稳定性。   1.2.3 数据的采集和处理 采用误差反向传播算法的神经网络(BP-ANN)建立八角样品的分类模型。神经网络的输入层单元为44,输出层单元为1个,以1.0代表八角茴香,0.0代表伪八角。对隐含层单元优化选择。采用Matlab的appcoef函数进行一维小波变换,压缩光谱。然后使用Trainbpx(快速BP算法)进行网络训练和建模。为了验证神经网络建立的分类模型,采用交叉验证方法。使用n中取1的方法选取检验样本,即每次选取一个样本作为检验样本,其余样本作为训练样本。每个样品作为检验样本1次,作为了训练集样本n-1次。预测结果的判定阈值设为0.5,即当输出值大于0.5判为八角茴香,当输出值小于0.5判为伪八角。   2 结果与分析   2.1 方法学结果   八角样品的红外光谱分析结果表明,同一样品连续测定5次后以及不同时间测定后,其光谱图一致,同一样品分别取样5次后,测定图谱的相对标准偏差为0.1%。结果表明,本方法具有较好的精密度、重现性和稳定性。   2.2 八角的红外光谱分析   比较八角样品的红外光谱(图1)可知,八角红外谱图在3 000~1 600 cm-1间差异较大,以该区域作为后续分析对象。为减少光谱变量,提高神经网络的训练速度,对该区域光谱进行小波变换压缩。其光谱变量点由原来的700个减少为44个。为方便比较样品光谱图,对所测数据归一化处理,得到的红外光谱图能较好反映出不同产地不同年限八角的光谱差别。故采用含44个变量的归一化八角红外光谱作为神经网络分析数据。   2.3 隐含层结点的影响   隐含层的结点数决定着BP网络的复杂性。因此把隐含层个数从1到8逐一比较(图2)。随着隐含层结点数的变化,BP-ANN网络的识别正确率也在变化。当隐含层结点数为1时,识别正确率最低,为85.42%;当隐含层结点数为5时,识别正确率最高,达到91.67%。因此,最佳隐含层结点数为5。   2.4 动量因子的影响   动量因子和学习速率是影响BP神经网络训练速率和收敛度的2个重要因素。根据分析结果(图3),本试验确定最合

文档评论(0)

erterye + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档