化学计量学方法用于复杂体系中多组分同时测定的研究

论文摘要

本文在传统的BP 网络的基础上增添了一个拟合网络,创新地提出了双网络ANN 算法。用拟合网络拟合出的吸光度值与实测吸光度值间的误差作为学习样本选择的依据,解决了学习样本选择的难题,大大提高了人工神经网络预测的准确度。在中草药样品有效成分的测定中,首次提出了虚拟组分排除法,该法与双网络ANN 结合,可以不经化学分离去除干扰组分,实现了中草药秦皮中有效成分秦皮甲素、乙素的同时测定,取得了良好的效果。对22 个秦皮样品进行了验证,结果表明,双网络ANN 对于秦皮甲素、乙素预测的准确度可以达到91.0%以上。另外,将卡尔曼滤波算法与流动注射-化学发光法结合实现了复杂地质样品中化学性质极为相近的铌、钽元素的同时测定。该方法分析快速,仪器简单,操作简便,是野外现场分析很好的研究手段。方法的检出限为Nb（V） 2.1×10-3 μg g-1,Ta（V） 4.0×10-3 μg g-1,精密度为Nb（V）4.9%,Ta（V）3.3% （n = 9）。

论文目录

• 第一章 前言
• 1.1 卡尔曼滤波方法及其应用
• 1.2 人工神经网络方法及其应用
• 1.2.1 人工神经网络的特点及类型
• 1.2.2 人工神经网络的应用
• 1.2.3 人工神经网络在中药研究领域的应用及前景
• 1.3 参考文献
• 第二章 改进的人工神经网络算法用于中草药多组分的测定
• 2.1 人工神经网络的基本原理
• 2.1.1 ANN-BP 算法原理
• 2.1.2 人工神经网络BP 算法流程图
• 2.1.3 双网络ANN 算法原理
• 2.1.4 ANN-Uv 算法原理
• 2.2 实验部分
• 2.2.1 仪器与试剂
• 2.2.2 色谱条件
• 2.2.3 实验方法
• 2.3 结果与讨论
• 2.3.1 中草药秦皮、槐花紫外吸收光谱
• 2.3.2 网络参数选择
• 2.3.3 ANN 算法精密度
• 2.3.4 不同的样本训练集对预测结果的影响
• 2.3.5 干扰组分的校正
• 2.3.6 拟合网络误差判据对学习样本进行选择的准确度
• 2.3.7 样本的预测结果
• 2.4 结论
• 2.5 参考文献
• 第三章 卡尔曼滤波-流动注射-化学发光法测定地质样品中的痕量元素铌和钽
• 3.1 实验原理
• 3.1.1 化学发光法的基本原理
• 3.1.2 卡尔曼滤波的基本原理
• 3.1.3 卡尔曼滤波-化学发光原理
• 3.2 实验部分
• 3.2.1 实验装置图
• 3.2.2 仪器与试剂
• 3.2.3 仪器的工作参数
• 3.2.4 化学发光体系的最佳参数
• 3.2.5 样品的分析步骤
• 3.3 结果与讨论
• 3.3.1 不同测量时间点对预测结果的影响
• 3.3.2 分析结果的误差扰动
• 3.3.3 干扰元素及其消除
• 3.3.4 工作曲线
• 3.3.5 精密度与检出限
• 3.3.6 地质样品的测定
• 3.4 结论
• 3.5 参考文献
• 致谢
• 摘要