基于RBF神經(jīng)網(wǎng)絡(luò)的重疊峰解析.pdf

1、隨著計(jì)算機(jī)、儀器儀表、光纖技術(shù)和計(jì)量學(xué)方法的不斷進(jìn)步發(fā)展，包括農(nóng)牧產(chǎn)品、食品制造、化學(xué)化工、醫(yī)藥制造、煙草行業(yè)等在內(nèi)的許多領(lǐng)域廣泛的采用近紅外光譜(NIR)分析技術(shù)。
　　在光譜分析的研究中會(huì)經(jīng)常遇到光譜的重疊現(xiàn)象，對(duì)重疊峰的研究是探索光譜應(yīng)用的重要方面。好的重疊峰分析方法會(huì)對(duì)進(jìn)一步的研究奠定良好的基礎(chǔ)，重疊峰分峰方法是研究的重要內(nèi)容。
　　數(shù)據(jù)預(yù)處理和重疊峰分析方法是光譜分析的主要研究探索方向，有效的數(shù)據(jù)處理和分析方法可以

2、有效的幫助分析光譜組成成分從而進(jìn)一步對(duì)物質(zhì)的研究。在實(shí)驗(yàn)條件有限的條件下得到的譜峰會(huì)包含各種噪聲信號(hào)和干擾信號(hào)，若不對(duì)數(shù)據(jù)進(jìn)行適當(dāng)?shù)念A(yù)處理和分析，則會(huì)降低重疊峰分解的可靠性和準(zhǔn)確性，從而不能得到希望能夠利用的有價(jià)值的信息。數(shù)據(jù)預(yù)處理方法可以根據(jù)建模類(lèi)型及實(shí)際情況進(jìn)行選擇。在重疊峰分峰中偏最小二乘法能夠把數(shù)據(jù)的分解和回歸分析融合在一起，適于非線性系統(tǒng)數(shù)據(jù)的建模，但是存在建模過(guò)程復(fù)雜、不便于操作等缺點(diǎn)。對(duì)于譜峰嚴(yán)重重疊、有價(jià)值信號(hào)較弱、噪聲

3、較大的情況，可以利用人工神經(jīng)網(wǎng)絡(luò)法建模。
　　徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)是一種有效的前饋式神經(jīng)網(wǎng)絡(luò)，它不但具有全局最優(yōu)和最佳逼近的性能，還同時(shí)方法速度快簡(jiǎn)單易行、不會(huì)存在局部的最優(yōu)問(wèn)題的特點(diǎn)。基于這些優(yōu)點(diǎn)，RBF網(wǎng)絡(luò)在非線性問(wèn)題的預(yù)測(cè)中有著大量的應(yīng)用。高斯擬合是重疊峰解析常用的方法，可以用此方法來(lái)獲得肉眼分辨不出的重疊峰，得到重疊譜線的相關(guān)數(shù)據(jù)信息。
　　本文主要介紹RBF神經(jīng)網(wǎng)絡(luò)結(jié)合導(dǎo)數(shù)光譜法預(yù)測(cè)重疊峰初始參數(shù)，利用高斯