基于FTIR的污染气体预处理与神经网络模式识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-16页 |
| ·选题的背景、目的及意义 | 第9页 |
| ·大气环境污染 | 第9-11页 |
| ·大气污染的来源 | 第10页 |
| ·大气污染的危害 | 第10-11页 |
| ·气体检测技术概述 | 第11-13页 |
| ·常规检测技术 | 第11-12页 |
| ·FTIR 检测技术 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本课题主要内容 | 第14-16页 |
| 2 FTIR 光谱技术 | 第16-24页 |
| ·FTIR 基本原理 | 第16-18页 |
| ·FTIR 技术发展 | 第18-19页 |
| ·WQF-520 简介 | 第19-21页 |
| ·红外光谱模式识别步骤 | 第21-24页 |
| 3 红外光谱数据预处理 | 第24-36页 |
| ·化学计量学方法 | 第24-26页 |
| ·窗口移动均值滤波 | 第24页 |
| ·窗口移动中位数平滑法 | 第24-25页 |
| ·Savitzky-Golay 滤波 | 第25-26页 |
| ·小波阈值滤波 | 第26-29页 |
| ·小波阈值分类 | 第26-28页 |
| ·小波阈值的选取方法 | 第28-29页 |
| ·改进的阈值去噪方法 | 第29-30页 |
| ·实验方法对比 | 第30-35页 |
| ·结论 | 第35-36页 |
| 4 神经网络模式识别 | 第36-46页 |
| ·典型神经网络 | 第37-43页 |
| ·BP 神经网络 | 第37-41页 |
| ·RBF 神经网络 | 第41-42页 |
| ·GRNN 神经网络 | 第42页 |
| ·PNN 神经网络 | 第42-43页 |
| ·改进神经网络 | 第43-44页 |
| ·神经网络权值修正 | 第43-44页 |
| ·系数的修正 | 第44页 |
| ·神经网络模式识别过程 | 第44-46页 |
| 5 实验系统与结果分析 | 第46-55页 |
| ·实验系统构建 | 第46-47页 |
| ·样本配比及采集过程 | 第47-48页 |
| ·样本数据预处理 | 第48-50页 |
| ·光谱噪声的去除 | 第48-49页 |
| ·主成份分析进行数据降维 | 第49-50页 |
| ·典型神经网络建模 | 第50-52页 |
| ·改进神经网络建模 | 第52-54页 |
| ·结论 | 第54-55页 |
| 6 总结与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 硕士期间发表论文 | 第59-60页 |
| 致谢 | 第60页 |
