贝叶斯神经网络与FTIR技术在多气体定量分析中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-17页 |
| ·选题的背景、目的及意义 | 第9页 |
| ·大气污染来源及危害 | 第9-11页 |
| ·气体检测技术概述 | 第11-13页 |
| ·常规检测方法 | 第11-13页 |
| ·傅里叶变换红外光谱技术 | 第13页 |
| ·红外光谱定量分析方法的国内外研究现状 | 第13-15页 |
| ·本课题的研究目标及主要内容 | 第15-17页 |
| 2 傅里叶变换红外光谱原理 | 第17-24页 |
| ·FTIR 基本原理 | 第17-20页 |
| ·FTIR 谱图的获取 | 第20-22页 |
| ·朗伯比尔定律 | 第22页 |
| ·红外光谱定量分析过程 | 第22-24页 |
| 3 人工神经网络原理 | 第24-33页 |
| ·BP 神经网络原理 | 第24-28页 |
| ·人工神经元模型 | 第24-25页 |
| ·BP 神经网络结构 | 第25-27页 |
| ·BP 神经网络的优缺点分析 | 第27-28页 |
| ·BP 神经网络设计的基本方法 | 第28-30页 |
| ·BP 神经网络常用训练方法 | 第30-33页 |
| 4 改进的BP 神经网络 | 第33-41页 |
| ·主成分分析 | 第33-35页 |
| ·主成分分析的基本思想 | 第33-34页 |
| ·主成分分析的计算方法 | 第34-35页 |
| ·贝叶斯正则化 | 第35-39页 |
| ·正则化神经网络 | 第35-36页 |
| ·神经网络的贝叶斯学习方法 | 第36-39页 |
| ·模型质量的评价方法 | 第39-41页 |
| 5 实验系统及定量分析模型的设计 | 第41-54页 |
| ·实验系统及控制过程介绍 | 第41-42页 |
| ·样本配比及采集过程 | 第42-44页 |
| ·样本数据选择 | 第44-46页 |
| ·定量分析模型的建立 | 第46-50页 |
| ·主成分分析进行数据降维 | 第46-47页 |
| ·降维后的神经网络 | 第47-50页 |
| ·贝叶斯神经网络实验 | 第50-53页 |
| ·结论 | 第53-54页 |
| 6 全文总结及展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士期间发表的论文 | 第61页 |
