10.3964/j.issn.1000-0593(2012)04-1012-04
基于RBF神经网络的较低浓度下同步荧光光谱的溢油鉴别
针对海面溢油样品的含量难以确定,同时考虑到海水掺杂及风化等问题的影响,提出了在较低非线性浓度范围内采集溢油嫌疑样品的同步荧光光谱,获取其训练样本集,利用主成分分析法(Principal component analysis,PCA)提取其特征光谱,结合径向基函数(Radial basis function,RBF)神经网络对肇事样本和嫌疑样本进行模式识别的方法.通过对相近油源原油样品分类识别研究表明:该方法仅需单次对肇事样本同步光谱测量,再借助数据分析,就可以很好区分相近油源溢油样品,外扰对识别率影响也不大.RBF神经网络算法识别率在92％左右.该结论对海洋环境中溢油的实时检测及油指纹数据信息库的建立有重要意义.
溢油鉴别、同步荧光光谱、主成分分析法、径向基函数神经网络
32
O657.3(分析化学)
国家自然科学基金项目40706037
2012-05-22（万方平台首次上网日期，不代表论文的发表时间）
共4页
1012-1015
