双组分混合体系中人工神经网络分析方法的研究

发布时间：2020-08-21 14:52

【摘要】：钙和镁是海水中的常量元素,也是考查水体硬度的重要参数,因此简便快速的同时测定这两种元素具有重要的实际意义。铁和锰是人体必需的微量元素,在海水中属于痕量金属营养盐,对海洋生物的生长有重要作用。因此,研究测定痕量铁和锰的分析方法也具有重要的意义。本论文将化学计量学中的人工神经网络法分别与分光光度法和催化动力学分光光度法相结合,对海水中主要成分钙和镁的双组分体系和痕量金属元素铁和锰的双组份体系进行了研究,分别建立了一种能同时测定钙和镁双组分的人工神经网络-分光光度法的分析方法和一种能同时测定铁和锰的人工神经网络-催化光度法的分析方法,并将所建两种方法应用到实际水体系中进行测定,得到了令人满意的结果。本论文取得的主要成果有： 1.成功建立了一种能同时测定钙和镁双组分的人工神经网络-分光光度法的分析方法。 (1)确定了一种能同时测定钙和镁双组分的反应体系。该体系为：显示剂为偶氮胂(Ⅲ),缓冲溶液为硼砂—盐酸,掩蔽剂为邻菲罗琳。 (2)确定了最佳的测定条件。该最佳条件为：偶氮胂(Ⅲ)的质量分数为w=0.010%,缓冲溶液硼砂—盐酸的浓度为c=1.5×10-3mol/L(pH=9.10),邻菲罗琳的质量分数为w=0.40%,测定波长为λ=610-660nm,显色时间为t=10 min,温度为室温。在此条件下,14种常见阴阳离子对测定结果均无明显的干扰。 (3)确定了进行数据处理的人工神经网络的结构和算法。经研究,人工神经网络采用误差反向传播网络(back-propagation network) BP网络,数据处理采用Levenberg-Marquardt (L-M)算法,网络结构定为13-14-2,μ的初始值设为0.001,并自编了程序应用MATLAB软件进行数据处理。 (4)成功地将所建方法应用于实际水体系。应用本文所建方法同时测定钙和镁混合物时的相对标准偏差RSD分别为钙2.31%和镁2.14%。将所建方法应用到实际水体系时,钙和镁的加标回收率结果表明：①自来水介质,钙为101.1%-103.6%,镁为100.8%-102.4%,RSD=0.082%-1.43%；②黄河水介质,钙为100.7%-103.2%,镁为96.6%-101.3%,RSD=0.14%～0.33%；③海水介质,钙为98.8%-103.3%,镁为98.4%-103.4%,RSD=0.22%-2.21%。 2.成功建立了一种能同时测定痕量铁和锰双组分的人工神经网络-催化光度法的分析方法。 (1)确定了一种能同时测定痕量铁和锰的双组分的反应体系。该体系为：指示剂为罗丹明B,氧化剂为KI04,活化剂为氨三乙酸和邻菲罗琳,缓冲溶液为HAc-NaAc。 (2)确定了最佳的测定条件。该最佳条件为,罗丹明B的质量浓度为ρ=4.00×10-3g/L,pH=3.85,KI04的浓度为c=2.00×10-4mol/L,邻菲罗琳的浓度为c=2.00×10-3mol/L,氨三乙酸的浓度为c=1.00×10-5mol/L,测定波长为λ=555 nm,测定时间为t=6 min(间隔15s),反应起始温度为35℃。在此条件下,21种常见阴阳离子对测定结果均无明显的干扰。 (3)确定了进行数据处理的人工神经网络的结构和算法。经研究,人工神经网络采用误差反向传播网络(back-propagation network) BP网络,数据处理采用Levenberg-Marquardt (L-M)算法,网络结构定为15-16-2,μ的初始值设为0.001,并自编了程序应用MATLAB软件进行数据处理。 (4)成功地将所建方法应用于实际水体系。应用本文所建方法同时测定铁和锰混合物时的相对标准偏差RSD分别为铁2.30%和锰2.67%。将所建方法应用到实际水体系时,铁和锰的加标回收率结果表明：①自来水介质,铁为98.0%-104.3%,锰为96.5%-104.5%,RSD=0.23%～0.98%。②黄河水介质,铁为96.0%-101.0%,锰为98.7%-104.2%,RSD=0.13%～2.52%。③海水介质,铁为95.3%-104.8%,锰为95.3%-104.7%,RSD=0.14%-2.66%。 3.利用本文建立的人工神经网络-催化光度法的分析方法对青岛近海11个站位的表层海水中铁和锰的含量进行了测定,得到了青岛近海表层海水的铁和锰的水平分布趋势。
【学位授予单位】：中国海洋大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：P714.4
【图文】：

网络模型

双组分混合体系中人工神经网络分析方法的研究样品的浓度预测。常用的BP一ANN网络模型如图2一3所示:拟拟拟簸簸或或产产嵘嵘一彭乏气气 lllllll000 }}}}}}}}}输入层 234567图2一 3BP一ANN网络模型Fig.2一 3BP一 ANNnetworkmodel其中学习过程可描述如下:如图2一3，BP网络采用多层结构，每层有若干个神经元(节点)处理信息。从输入层输入己知样本的信息X，经中间的隐含层学习以后，往输出层输出结果Y，设网络有p层，第k层i节点输入信息的总和为:衅=艺叽X少一，](1)其中，叽是第k一1层j节点与第k层i节点间的连接权值

吸收光谱图,钙镁,多元络合物,加和性

镁混合标准溶液的吸光度，结果表明二者不形成混异核络合物等多元络合物，其吸光度值具有加和性。在实验过程选择610~660lun的波长范围。钙和镁的吸收光谱见图4一2，4一3。灯乙了02O0ug衬任qVos乏冈.以〕仪劝洲冲7万幻以冷Wa叫e叩h《。m)图4一2.钙镁吸收光谱图Fig.4一 2AbsorptionsPeetraofea】 eiumandmagnesium

加和性,钙镁,吸收光谱,多元络合物

【参考文献】