基于Elman网络的近红外光谱技术多组分定量分析研究

被引：1

作者：

刘波平 ^{[1
]}

秦华俊 ^{[2
]}

罗香 ^{[3
]}

曹树稳 ^{[2
]}

王俊德 ^{[1
]}

机构：

[1] 南京理工大学现代光谱研究室

[2] 南昌大学食品科学教育部重点实验室

[3] 江西省分析测试中心

来源：

光谱学与光谱分析 | 2007年 / 12期

关键词：

近红外光谱; Elman网络; 偏最小二乘法; 多组分定量分析;

D O I：

暂无

中图分类号：

O657.33 [红外光谱分析法];

学科分类号：

摘要：

研究了Elman神经网络(反馈神经网络,Recurrent Network)在近红外光谱定量分析中的应用。以饲料样品为实验材料,采用Elman网络建立了饲料中苯丙氨酸(Phe)、赖氨酸(Lys)、酪氨酸(Tyr)和胱氨酸(Cys)四种氨基酸含量的近红外光谱定量分析模型。用偏最小二乘法(partial least squares,PLS)将原始数据压缩为主成分,取前3个主成分的12个吸收峰值输入Elman网络,网络中间层神经元个数为47。Elman网络模型对样品4个氨基酸含量的预测决定系数(r2)分别为0.960,0.981,0.979,0.952。表明所建Elman网络预测模型通过近红外光谱能够较准确预测饲料中苯丙氨酸、赖氨酸、酪氨酸和胱氨酸四种氨基酸的含量,为通过近红外光谱技术进行多组分定量分析提供了新思路。

引用

页码：2456 / 2459

页数：4

共 7 条

[1] 快速稳健偏最小二乘回归及其在近红外光谱分析中的应用 [J].