论文部分内容阅读
在电感耦合等离子体原子发射光谱法(ICP-AES)分析中,光谱重叠干扰现象导致元素光谱测量结果产生误差。利用人工神经网络在非线性关系处理上的良好特性,可对重叠光谱拟合分峰问题有效处理,以达到测量误差校正的目的。在研究光谱叠加机理的基础上,建立高斯叠加模型,并综合应用正交试验思想构造神经网络数据样本;设计基于径向基函数(RBF)神经网络的谱峰分离参数预测模型,对分离谱线的峰值、峰位等参数进行预测,最终实现叠加谱线分析线与干扰线的分离。仿真结果表明,基于RBF网络的谱峰分离参数预测方法可应用于重叠光谱的