雙組分混合體系中人工神經網絡分析方法的研究.pdf

1、鈣和鎂是海水中的常量元素，也是考查水體硬度的重要參數(shù)，因此簡便快速的同時測定這兩種元素具有重要的實際意義。鐵和錳是人體必需的微量元素，在海水中屬于痕量金屬營養(yǎng)鹽，對海洋生物的生長有重要作用。因此，研究測定痕量鐵和錳的分析方法也具有重要的意義。
　　 本論文將化學計量學中的人工神經網絡法分別與分光光度法和催化動力學分光光度法相結合，對海水中主要成分鈣和鎂的雙組分體系和痕量金屬元素鐵和錳的雙組份體系進行了研究，分別建立了一種能同時測

2、定鈣和鎂雙組分的人工神經網絡-分光光度法的分析方法和一種能同時測定鐵和錳的人工神經網絡-催化光度法的分析方法，并將所建兩種方法應用到實際水體系中進行測定，得到了令人滿意的結果。
　　 本論文取得的主要成果有：
　　 1.成功建立了一種能同時測定鈣和鎂雙組分的人工神經網絡-分光光度法的分析方法。
　　 (1)確定了一種能同時測定鈣和鎂雙組分的反應體系。
　　 該體系為：顯示劑為偶氮胂(Ⅲ)，緩沖溶液為硼砂-

3、鹽酸，掩蔽劑為鄰菲羅琳。
　　 (2)確定了最佳的測定條件。
　　 該最佳條件為：偶氮胂(Ⅲ)的質量分數(shù)為w=0.010％，緩沖溶液硼砂-鹽酸的濃度為c=1.5×10-3mol/L(pH=9.10)，鄰菲羅琳的質量分數(shù)為w=0.40％，測定波長為λ=610～660nm，顯色時間為t=10min，溫度為室溫。在此條件下，14種常見陰陽離子對測定結果均無明顯的干擾。
　　 (3)確定了進行數(shù)據(jù)處理的人工神經網絡的結構

4、和算法。
　　 經研究，人工神經網絡采用誤差反向傳播網絡(back-propagation network) BP網絡，數(shù)據(jù)處理采用Levenberg-Marquardt(L-M)算法，網絡結構定為13-14-2，μ的初始值設為0.001，并自編了程序應用MATLAB軟件進行數(shù)據(jù)處理。
　　 (4)成功地將所建方法應用于實際水體系。
　　 應用本文所建方法同時測定鈣和鎂混合物時的相對標準偏差RSD分別為鈣2.31

5、％和鎂2.14％。將所建方法應用到實際水體系時，鈣和鎂的加標回收率結果表明：①自來水介質，鈣為101.1％～103.6％，鎂為100.8％～102.4％，RSD=0.082％～1.43％;②黃河水介質，鈣為100.7％～103.2％，鎂為96.6％～101.3％，RSD=0.14％～0.33％;③海水介質，鈣為98.8％～103.3％，鎂為98.4％～103.4％，RSD=0.22％～2.21％。
　　 2.成功建立了一種能同時

6、測定痕量鐵和錳雙組分的人工神經網絡-催化光度法的分析方法。
　　 (1)確定了一種能同時測定痕量鐵和錳的雙組分的反應體系。
　　 該體系為：指示劑為羅丹明B，氧化劑為KIO4，活化劑為氨三乙酸和鄰菲羅琳，緩沖溶液為HAc-NaAc。
　　 (2)確定了最佳的測定條件。
　　 該最佳條件為，羅丹明B的質量濃度為ρ=4.00×10-3g/L，pH=3.85，KIO4的濃度為c=2.00×10-4mol/L，鄰

7、菲羅琳的濃度為c=2.00×10-3mol/L，氨三乙酸的濃度為c=1.00×10-5 mol/L，測定波長為九=555nm，測定時間為t=6min(間隔15s)，反應起始溫度為35℃。在此條件下，21種常見陰陽離子對測定結果均無明顯的干擾。
　　 (3)確定了進行數(shù)據(jù)處理的人工神經網絡的結構和算法。
　　 經研究，人工神經網絡采用誤差反向傳播網絡(back-propagation network)BP網絡，數(shù)據(jù)處理采用

8、Levenberg-Marquardt(L-M)算法，網絡結構定為15-16-2，μ的初始值設為0.001，并自編了程序應用MATLAB軟件進行數(shù)據(jù)處理。
　　 (4)成功地將所建方法應用于實際水體系。
　　 應用本文所建方法同時測定鐵和錳混合物時的相對標準偏差RSD分別為鐵2.30％和錳2.67％。將所建方法應用到實際水體系時，鐵和錳的加標回收率結果表明：①自來水介質，鐵為98.0％～104.3％，錳為96.5％～10