神經網絡雜化算法測定糖蜜中小分子有機酸的研究.pdf

1、廢糖蜜是制糖工業(yè)中的一種產量巨大的副產品，如何開發(fā)該種制糖工業(yè)的副產品一直受到業(yè)內人士的關注。由于廢糖蜜中含有一些非氮類小分子有機酸，如果加以開發(fā)利用，將不僅能夠解決污染的問題還能提高經濟效益。對于復雜組分體系的測定方法中，目前已有氣相、液相、離子色譜等方法，但都存在成本較高，樣品處理起來繁瑣等缺點。人工神經網絡（ANN）作為一種人工仿生智能技術，經過幾十年的發(fā)展，應用的范圍越來越廣。近年來，人工神經網絡已經被引入并應用于化學計量學領域

2、的多個方向。本文采用人工神經網絡的預測能力，結合電位滴定法，建立關于小分子酸主成分的模型，并應用在實際糖蜜樣品中小分子有機酸的測定。
　　 在實際應用中，標準的BP網絡的缺點是訓練容易陷入局部極小值，收斂慢或是連接權值選擇的隨機性等，都給實際網絡訓練帶來了困難。在本文中采集的數據建立的標準BP模型效果并不理想。針對上述情況，本文提出了LM-BP算法嘗試解決標準BP算法的缺陷。LM算法是一種高斯．牛頓法和梯度下降法結合改進算法，和

3、標準BP算法結合能解決局部極小的問題并加快網絡的收斂速度。而遺傳算法(GA)是建立在自由進化模型上的一種全局優(yōu)化搜索算法，具有全局優(yōu)化搜索和并行性的優(yōu)點，和標準BP算法結合能優(yōu)化選擇連接權值和閾值，從而提高網絡的性能。本文進一步的將LM算法和遺傳算法結合起來，充分發(fā)揮兩種算法各自的優(yōu)點，并通過人工配制樣品所采集的數據建立起來的網絡模型對廢糖蜜中小分子有機酸進行了成分的測定，結果表明該網絡具有良好的預測性，可以應用于實際樣品中小分子有機酸