-
公开(公告)号：CN103822960A
公开(公告)日：2014-05-28
申请号：CN201410053132.0
申请日：2014-02-17
Applicant: 中南大学
Abstract: 本发明涉及金属离子浓度检测领域，更具体涉及极谱法多金属离子浓度在线检测方法。本发明提出了一种基于状态转移算法（STA）的改进小波神经网络方法用于多金属离子浓度的实时测定。该方法首先作出极谱曲线，然后采用离散小波变换求取极谱信号的一阶导数，以此提取出相应的特征点，特征点数量为所测金属离子种类数量的3倍，作为小波神经网络的输入。在使用训练集对小波神经网络进行训练时，为了使得网络模型更为精确，将状态转移算法用于小波神经网络参数的优化，避免网络陷入了局部极值。最后，将训练得到的网络模型用于多金属离子浓度的实时在线检测。本发明以实际的锌、钴极谱重叠信号为例对算法进行测试，所得到的结果明显优于传统的曲线拟合和BP神经网络算法。
-
公开(公告)号：CN103822960B
公开(公告)日：2016-03-30
申请号：CN201410053132.0
申请日：2014-02-17
Applicant: 中南大学
Abstract: 本发明涉及金属离子浓度检测领域，更具体涉及极谱法多金属离子浓度在线检测方法。本发明提出了一种基于状态转移算法（STA）的改进小波神经网络方法用于多金属离子浓度的实时测定。该方法首先作出极谱曲线，然后采用离散小波变换求取极谱信号的一阶导数，以此提取出相应的特征点，特征点数量为所测金属离子种类数量的3倍，作为小波神经网络的输入。在使用训练集对小波神经网络进行训练时，为了使得网络模型更为精确，将状态转移算法用于小波神经网络参数的优化，避免网络陷入了局部极值。最后，将训练得到的网络模型用于多金属离子浓度的实时在线检测。本发明以实际的锌、钴极谱重叠信号为例对算法进行测试，所得到的结果明显优于传统的曲线拟合和BP神经网络算法。
-
Search Results
2
records
(took 0.016 seconds)
