| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-14页 |
| ·本课题的研究背景 | 第7-8页 |
| ·OP-FTIR在气体污染物测定中的应用现状 | 第8-9页 |
| ·人工神经网络在多组分分析中的应用现状 | 第9-11页 |
| ·人工神经网络的改进研究 | 第11-12页 |
| ·本论文的研究内容 | 第12-14页 |
| 2 ANN法和FTIR技术连用对VOCs的定性和定量研究 | 第14-28页 |
| ·反向传播网络(BP-ANN)运算的基本原理 | 第14-15页 |
| ·网络的评价标准 | 第15-17页 |
| ·ANN和FTIR联用对单组分化合物的定性鉴别和定量分析 | 第17-21页 |
| ·实验部分 | 第17-18页 |
| ·数据的准备 | 第17-18页 |
| ·运行软件和硬件 | 第18页 |
| ·参数的优化 | 第18-20页 |
| ·隐含层的节点数 | 第18-19页 |
| ·学习速率(lr)和动量因子(mc) | 第19-20页 |
| ·迭代次数(epochs) | 第20页 |
| ·网络的应用 | 第20-21页 |
| ·小结 | 第21页 |
| ·ANN法和FTIR技术连用对多组分VOCs的定性和定量研究 | 第21-28页 |
| ·实验部分 | 第21-23页 |
| ·结果和讨论 | 第23-24页 |
| ·小结 | 第24-28页 |
| 3 人工神经网络算法的改进 | 第28-39页 |
| ·理论部分 | 第29-31页 |
| ·主成分分析法(principle component analysis，PCA) | 第29页 |
| ·偏最小二乘法(partial least squares，PLS) | 第29-30页 |
| ·交叉有效性检验(cross-validation) | 第30-31页 |
| ·实验部分 | 第31页 |
| ·结果和讨论 | 第31-37页 |
| ·最优网络的参数和运行时间 | 第32-33页 |
| ·未知样品的预测 | 第33页 |
| ·PCA和PLS的比较 | 第33-37页 |
| ·小结 | 第37-39页 |
| 4 开路FTIR测量大气中VOCs的空间浓度分布 | 第39-51页 |
| ·实验部分 | 第39-41页 |
| ·实验设置 | 第39-40页 |
| ·实验条件 | 第40页 |
| ·数据处理 | 第40-41页 |
| ·平滑基函数最小化算法(SBFM) | 第41页 |
| ·结果与讨论 | 第41-50页 |
| ·两组分污染物在二维空间平面上的浓度分布 | 第41-44页 |
| ·三组分污染物在二维空间平面上的浓度分布 | 第44-47页 |
| ·四组分污染物在二维空间平面上的浓度分布 | 第47-50页 |
| ·小结 | 第50-51页 |
| 5 结论 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-61页 |
| 本人在攻读硕士学位期间发表的学术论文 | 第61页 |
