典型文献
三维荧光光谱结合2DPCA-SSA-GRNN对柴油占比的检测
文献摘要：
柴油和生物柴油混合油液三维荧光光谱中的荧光峰较多,导致混合油液的主要特征峰不明显,而且随着柴油占比的减少,三维荧光光谱的最大荧光强度位置会发生偏移,荧光强度与柴油占比不满足线性关系.因此,检测混合油液中的柴油占比较为复杂.本团队采用二维主成分分析(2DPCA)对混合油液的三维荧光光谱进行重构,重构荧光光谱中的冗余信息减少,在最佳激发波长450 nm下有能代表柴油的发射光谱(465～500 nm).利用麻雀搜索算法(SSA)对广义回归神经网络(GRNN)进行优化,构建2DPCA-SSA-GRNN预测网络,该网络输入是训练集中的9个样本经2DPCA重构后能代表柴油的发射光谱,网络输出是柴油占比.最后利用建立的网络预测测试集中4个样本的柴油占比,柴油占比分为85.02％、73.76％、63.80％、53.37％,平均回收率为98.39％,均方根误差为0.90％,预测效果较未利用重构发射光谱的网络具有较大提升,均方误差降低了 0.97个百分点,平均回收率提高了 1.24个百分点.本文为优化神经网络预测物质占比提供了新方法.
文献关键词：
光谱学;三维荧光光谱;二维主成分分析;柴油;广义回归神经网络;麻雀搜索算法
中图分类号：
作者姓名：
陈晓玉;杜雅欣;刘亚茹;孔德明
作者机构：
燕山大学信息科学与工程学院,河北 秦皇岛066004;燕山大学电气工程学院,河北 秦皇岛066004
文献出处：
引用格式：
[1]陈晓玉;杜雅欣;刘亚茹;孔德明-.三维荧光光谱结合2DPCA-SSA-GRNN对柴油占比的检测)[J].中国激光,2022(18):169-176
A类：
B类：
三维荧光光谱,2DPCA,SSA,GRNN,生物柴油,混合油,油液,特征峰,荧光强度,本团,二维主成分分析,冗余信息,激发波长,发射光谱,麻雀搜索算法,广义回归神经网络,预测网络,训练集,测试集,均方误差,百分点,优化神经网络,神经网络预测,光谱学
AB值：
0.204406
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
