摘要：燃油存在“消耗量大”、“相对低质”、“前端缺少清洁”、“末端排放缺乏控制”四大问题,我国的空气污染60%以上来自煤和油的燃烧,雾霾问题很大程度上取决于能源问题。快速准确地实现汽油、柴油、煤油等成品油的鉴别与测量,对于实施空气污染监测及治理具有重要意义。在精确地表征成品油种类信息的基础上,为了提高网络模型的识别效率,采用主成分分析方法将高维空间进行降维处理。对最常用的三维荧光光谱基于激发-发射矩阵(excitation-emission matrix,EEM)数据进行主成分分析以提取更精细、更深层的特征参量。分类过程中应用交叉验证的方法避免发生“过拟合”现象。设计鉴别和测量双重处理的神经网络,将神经网络模式识别结果反馈到浓度网络的输入端,与相对斜率、综合本底参数、相对荧光强度一起测量相应种类的浓度输出,利用可拓神经网络模式识别技术实现成品油的鉴别与测量。应用可拓神经网络方法实现成品油种类模式识别的平均识别率达到0.99,浓度平均回收率为0.95。模式识别平均耗时为2.5 s,仅为PARAFAC模型分析方法的48.5%。该方法显著提高了运算速度,且应用效果理想。需要指出的是,在分析诸如成品油、茶叶、农药等成分复杂的混合物时,应针对具体待测物制作相应的校正样本,用以确保分析的准确性与精度。

原文链接:http://d.wanfangdata.com.cn/Periodical/gpxygpfx201609034

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）