[發明專利]基于RBF神經網絡的ICP-AES重疊譜線分離方法

有效

• 申請號: 202011161651.0
• 申請日: 2020-10-27
• 公開（公告）號: CN112414997B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 廉小親;黃靜;陳彥銘;劉鈺
• 申請（專利權）人: 北京工商大學
• 主分類號: G01N21/73
• 分類號: G01N21/73;G06N3/04;G06N3/08
• 代理公司: 北京北新智誠知識產權代理有限公司 11100
• 代理人: 朱麗華

本發明提供的基于RBF神經網絡的ICP?AES重疊譜線分離方法，建立單條譜線模型和重疊譜線數學模型；設計基于RBF神經網絡的譜峰分離參數預測模型輸入輸出結構；構建疊加譜線訓練樣本集和測試樣本集；訓練并測試模型后，對待解析的疊加譜線進行特征向量預測，解析出重疊譜線中的多個子峰譜線。優點是：通過對重疊光譜的譜線建立疊加譜線數學模型；利用RBF神經網絡在非線性關系映射上的優勢，建立基于RBF神經網絡的譜峰分離參數預測模型；通過對重疊光譜譜峰分離的峰值、峰位以及峰的半寬度等參數進行預測，實現重疊光譜的多峰分離。通過解析出的多個純凈分離譜線，得到準確的光強測量結果，實現對光譜重疊干擾校正的目的。

技術領域

本發明涉及光譜學和信息處理技術領域，尤其涉及一種基于RBF神經網絡的ICP-AES重疊譜線分離方法。

背景技術

電感耦合等離子體原子發射光譜分析法(ICP-AES)被廣泛運用于各個領域的無機元素定量分析中。該方法通過將溶液中待測元素特征波長所對應的光強測量結果，代入待測元素的標準曲線中，從而得到元素濃度，完成元素分析。因此元素光強測量結果是影響元素定量分析結果的重要因素。然而，在對復雜基體中的元素進行分析時，ICP光譜儀中易存在干擾元素，導致此元素的分析線附近產生臨近線(干擾元素)，進而對分析線形成疊加，最終導致元素的光譜測量結果產生誤差，這種現象即為光譜重疊干擾。

對于光譜干擾的校正，通常有標準加入法、干擾系數法、多元線性回歸法和擬合分峰法等。標準加入法能有效克服樣品中的元素干擾，但需多次試驗，在多次實驗中易引入新誤差，導致結果不準確。干擾系數法可通過干擾元素的干擾系數對元素分析結果進行有效校正，但需預先了解干擾物的濃度和干擾體系的組成。多元線性回歸法通過一系列混合標準溶液建立線性方程組，求解待測元素濃度值，使元素分析結果準確度大幅提升，但當測定元素較多時，需要配置大量標準溶液，成本開銷大。擬合分峰法是將重疊光譜轉化為數學模型，利用算法對分離譜線參數進行擬合，可對譜峰分離有較好結果，但該方法需對分離譜線的各項參數預設初值，當初值偏離真實值達到一定程度時，分峰效果會受到影響。

所以如何提供一種不受參數初值限制，能夠利用計算機快速得到純凈的分峰譜線的方法成為亟待解決的問題。

發明內容

本發明提供基于RBF神經網絡的ICP-AES重疊譜線分離方法，用以解決現有技術在ICP-AES測量過程中，由于光譜重疊干擾而產生的待測元素光強測量結果不準確的問題。

為了實現上述目的，本發明技術方案提供了一種基于RBF神經網絡的ICP-AES重疊譜線分離方法，包括：建立單條譜線數學模型、疊加譜線數學模型。構建正交表，構建正交特征表，根據正交表和正交特征表生成疊加譜線，并以疊加譜線若干個等間隔采樣數據點光強值組成的向量作為樣本輸入向量，疊加譜線特征向量作為樣本輸出向量，生成訓練、測試樣本集，而后對其進行歸一化處理。設計基于RBF神經網絡的譜峰分離參數預測模型結構：將歸一化后的所述疊加譜線樣本的輸入向量作為RBF神經網絡的輸入；以疊加譜線的特征向量為所述RBF神經網絡的輸出；在RBF神經網絡訓練迭代過程中確定隱含層節點數，當滿足訓練條件時所述隱含層節點數被確定；設計隱含層激活函數：

設計輸出層任意節點的激活函數，其中k為自然數：

y_k＝W_k*φ

計算并設置所述隱含層的統一擴展常數：