主成分线性判别分析_反向传播人工神经网络

主成分线性判别法对大气易挥发性有机化合物的预警

http://www.100md.com 《分析化学》医学期刊 2007年第3期

主成分线性判别分析,反向传播人工神经网络,定性分析,易挥发性有机化合物,遥感傅里叶变换红外光谱,,主成分线性判别分析，反向传播人工神经网络，定性分析，易挥发性有机化合物，遥感傅里叶变换红外光谱,1引言,2PCALDA的原理,3材料和方法

     摘要应用遥感傅里叶变换红外光谱，采用主成分提取线性判别分析(PCALDA)技术，对丙酮、二氯甲烷、甲苯、苯、氯仿和甲醇等六组分的任意混合体系进行定性鉴别。被选用的这6种大气有毒有机化合物的红外光谱图相互间存在着严重的混叠，并和反向传播人工神经网络(BPANN)的预测结果进行了比较。PCALDA的鉴别判对率达92.2%，识别率94.4%,误判率7.8%；BPANN分别为91.1%、95.6%和8.9%。结果表明PCA处理克服了LDA对多变量数据预测的局限性，预测性能和BPANN相当。鉴于BPANN计算耗时和繁琐，PCALDA模型被确定为建立VOCs预警模型最适当的方法。

    关键词主成分线性判别分析，反向传播人工神经网络，定性分析，易挥发性有机化合物，遥感傅里叶变换红外光谱

     1 引言

    由于遥感技术具有非接触、实时、原位、无需取样和样品处理等特点，所以，在大气环境和燃烧源的瞬态、实时测量中具有很大的应用潜力。而遥感FTIR还兼具多路、大辐射通量、精确标定波长以及能方便地进行任何波长的测定等优点，所以，它能快速、准确地获得待测红外源的大量物理、化学特性的信息[1]。遥感FTIR技术尤其适合于大气环境监测分析中原位、实时分析的要求。而且，由于化学计量学的介入，更加强了遥感FTIR技术，可快速分析混合物如环境中的易挥发有机化合物(VOCs)[2～5]。利用遥感FTIR技术，对大气环境中VOCs的定量分析得到较多的重视[2～4]。由于大气中VOCs多组分的FTIR谱图，存在着严重的谱带混叠，所以在文献报道中大多采用人工神经网络法(ANN)、卡尔曼滤波法(KFM)和偏最小二乘法(PLS)等方法进行定量分析。这样的研究工作存在一定的缺陷：即待测体系中物质必须和校正集(训练集)物质一致，否则将引起分析误差[3,6]。这一情况显然不能满足遥感FTIR技术在实际应用中的需要。相应的改进工作，主要是采用了两种方法：一是在定量分析方法偏最小二乘法(PLS)中，引入诊断函数，判定待测体系中是否含有未知物，再进行定量分析，该方法的不足之处在于校正(训练)和预测相对繁琐[3,6]；二是拓展PLS至定性分析中，缺点是预测结果准确度不高。线性判别分析(LDA)是一种便捷、有效的定性分析方法。Hunt等[7]首先将线性判别分析用于语音识别，HaebVmbach[8]和Aubert[9]等在大规模连续语音识别系统中对该方法进行了研究，验证了其有效性。但是该方法的缺陷是对于变量多的待测体系无法进行预测。Swets等[10]利用主成分分析法 ......

百拇医药网 http://www.100md.com/html/DirDu/2007/04/04/41/05/25.htm

您现在查看是摘要页，全文长 11094 字符。