[發明專利]基于遺傳神經網絡的激光誘導擊穿光譜定量分析方法

無效

• 申請號: 201010240846.4
• 申請日: 2010-07-30
• 公開（公告）號: CN101915753A
• 公開（公告）日: 2010-12-15
• 發明（設計）人: 周衛東;沈沁梅
• 申請（專利權）人: 浙江師范大學
• 主分類號: G01N21/63
• 分類號: G01N21/63;G06N3/08
• 代理公司: 浙江杭州金通專利事務所有限公司 33100
• 代理人: 徐關壽

1.基于遺傳神經網絡的激光誘導擊穿光譜定量分析方法，其特征在于包括以下步驟：

1)被測物的LIBS光譜數據的采集和預處理：經預處理后的有效光譜數據按樣品分為訓練集樣本和預測集樣本；

2)遺傳神經網絡的訓練：訓練集樣本被測成分的有效光譜數據矩陣作為定量分析模型的輸入；訓練集樣本被測成分的已知濃度矩陣作為標準輸出；采用三層BP-ANN網絡建立定量分析模型，包括輸入層、輸出層和隱層，BP-ANN網絡的初始權值和閾值通過遺傳算法進行優化，得到一個最優化的初始個體，作為BP-ANN網絡的初始權值和閾值；再經BP-ANN細化訓練，進行精確求解，當訓練集樣本被測成分的求解濃度和標準濃度的誤差平方和達到預設的目標誤差時，訓練結束，得到GA-BP-ANN定量分析模型；

3)被測成分的定量分析：用訓練好的GA-BP-ANN定量分析模型對未知被測成分含量的預測集樣本進行分析，將預測集樣本光譜數據矩陣輸入GA-BP-ANN定量分析模型進行分析預測，得到被測成分的濃度含量。

2.根據權利要求1所述的光譜定量分析方法，其特征在于所述被測物的LIBS光譜數據預處理包括對原始光譜數據進行求平均、強度歸一化、尋峰、扣背景、譜線去干擾擬合，形成完整的譜峰輪廓后，對譜峰強度進行采點并保存為一個數據矩陣，作為被測成分的有效光譜數據。

3.根據權利要求1所述的光譜定量分析方法，其特征在于所述遺傳算法對BP-ANN網絡的優化過程，其步驟為：

a)用遺傳算法對BP-ANN權值、閾值的解空間進行實數編碼，隨機產生一個初始的群體，

b)根據以下適應度函數計算步驟a)初始群體中每個個體的適應度函數值：

f(x)=1/Σk=1q(yk-tk)2---(1)]]>

其中t是期望值，對應訓練樣本被測成分的真實含量，y是BP-ANN網絡的輸出值，對應預測含量，q是訓練集樣本數，c)判斷步驟b)中獲得的適應度函數值是否滿足以下預設條件：該適應度函數值達到預設的目標適應度函數值，如滿足，結束優化過程；

如不滿足，則進入下一代優化，對該編碼的權值和閾值個體進行選擇、交叉和變異操作后返回至步驟b)。

4.根據權利要求1所述的光譜定量分析方法，其特征在于所述訓練集樣本被測成分的有效光譜數據為被測成分的單一譜線的數據矩陣。

5.根據權利要求1所述的光譜定量分析方法，其特征在于所述輸入的訓練集樣本被測成分的有效光譜數據和輸出的訓練集樣本被測成分的已知濃度分別進行如下歸一化處理：

x′=x-ab-a---(2)]]>

其中，x為原始數據，x′為歸一化后的數據，a為x的最小值，b為x的最大值。

6.根據權利要求5所述的光譜定量分析方法，其特征在于所述被測成分的定量分析過程中，將預測集樣本光譜數據矩陣按公式(2)進行歸一化后輸入GA-BP?ANN定量分析模型，得到歸一化的濃度值，對此濃度值進行反歸一化，得到被測物對應的被測成分濃度。