ANN及其改進(jìn)算法對大氣VOCs的自動識別和定量分析.pdf

1、　　本文利用傅里葉變化紅外光譜—人工神經(jīng)網(wǎng)絡(luò)(FTIR-ANN)聯(lián)用技術(shù)，對多組分的VOCs進(jìn)行了自動識別和定量分析，并且利用改進(jìn)的ANN方法，結(jié)合平滑基函數(shù)最小化算法(SBFM)重構(gòu)得到大氣中各種污染物在二維平面上的濃度分布圖。首先，采用模擬的光譜數(shù)據(jù)，引入逼近度的概念確定最優(yōu)網(wǎng)絡(luò)模型，避免了網(wǎng)絡(luò)陷入局部極小，成功地實現(xiàn)了單組分和多組分污染物的同時鑒別和定量分析。然后，利用非線性迭代偏最小二乘(NIPALS)法和奇異值分解(SVD)法

2、分別對網(wǎng)絡(luò)的輸入變量進(jìn)行主成分提取，結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度顯著提高，預(yù)測性能明顯改善，并且兩種方法相比，NIPALS法所得結(jié)果明顯優(yōu)于SVD法。最后，將NIPALS-ANN模型和遙感FTIR聯(lián)用，定性定量分析了模擬的污染區(qū)域中的VOCs，并引用SBFM算法，重構(gòu)出了各種氣體在二維平面上的濃度分布，根據(jù)重構(gòu)圖可以預(yù)測出VOCs氣體的擴(kuò)散范圍，以及濃度的最大區(qū)域，以便及時發(fā)現(xiàn)污染源并采取相應(yīng)的措施控制污染范圍的擴(kuò)大。本研究為大氣中