BP神经网络结合ATLD与三维荧光光谱法测量水中多环芳烃

论文摘要

多环芳烃（PAHs）是煤,石油,木材,烟草等燃料和有机高分子化合物等有机物不完全燃烧时产生的一种持久性有机污染物。迄今已发现有200多种PAHs,其中有多种PAHs具有致癌性。PAHs广泛分布于我们生活的环境中,水中的PAHs主要来源于生活污水,工业排水和大气沉降。使用三维荧光光谱法,结合BP神经网络与交替三线性分解（ATLD）算法对水中的PAHs进行定性和定量分析。以苊（ANA）和芴（FLU）2种PAHs为目标分析物,用甲醇（光谱级）制备样本。使用FS920稳态荧光光谱仪对样本进行检测,设置激发波长为200～370 nm,间隔10 nm记录一个数据;发射波长为240～390 nm,间隔2 nm记录一个数据。设置初始发射波长总是滞后激发波长40 nm,以消除一级瑞利散射的干扰。随后使用BP神经网络法对待测样本数据进行预处理。利用BP神经网络基于误差反向传播算法（error back propagation training, BP）原理,对测得的三维荧光数据进行数据压缩处理,该方法具有柔性的网络结构与很强的非线性映射能力,网络的输入层、隐含层和输出层的神经元个数可根据实际情况设定,并且网络的结构不同时,性能也有所差异。随后,用ATLD算法分解预处理后的三维荧光光谱数据。采用核一致诊断法确定待测样本的组分数为2。结果表明, ATLD算法分解得到两种PAHs（ANA和FLU）的激发、发射光谱图与目标光谱非常相似,能实现光谱重叠严重的PAHs（ANA和FLU）的快速定性和定量分析,实现了以"数学分离"代替"化学分离"。将预测样本导入训练好的BP神经网络中,得到处理后待测样本数据的网络均方差（MSE）均小于0.003,网络的峰值信噪比（PSNR）均大于120dB（数据压缩中典型的峰值信噪比值在30～40 dB之间,越高越好）,可见BP神经网络对样本数据的压缩效果较好。BP神经网络训练后,得到输出值与目标值之间的拟合度高,拟合系数达0.998,具有较好的数据压缩效果。使用ATLD算法对待测样本进行分解后得到平均回收率为97.1%和98.9%,预测均方根误差为0.081 8和0.098 5μg·L-1。三维荧光光谱结合BP神经网络和ATLD能够实现痕量PAHs的快速检测。

论文目录

• 引 言
• 1 理论部分
•   1.1 三线性模型
•   1.2 交替三线性分解（ATLD）算法
•   1.3 BP神经网络
•     1.3.1 BP神经网络算法原理
•     1.3.2 训练数据导入
•     1.3.3 权值修正
• 2 实验部分
•   2.1 仪器与参数
•   2.2 样品
• 3 结果与讨论
•   3.1 BP神经网络训练
•   3.2 光谱与处理
•   3.3 ATLD分析
• 4 结 论

文章来源

类型: 期刊论文

作者: 王玉田,张艳,商凤凯,张靖卓,张慧,孙洋洋,王选瑞,王书涛

关键词: 三维荧光光谱,交替三线性分解,神经网络,多环芳烃

来源: 光谱学与光谱分析 2019年11期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑

专业: 化学,环境科学与资源利用

单位: 燕山大学河北省测试计量技术及仪器重点实验室

基金: 国家自然科学基金项目(61471312,61771419),河北省自然科学基金项目(F2017203220)资助

分类号: O657.3;X832

页码: 3420-3425

总页数: 6

文件大小: 2502K

下载量: 134