磷酸盐溶液紫外吸收光谱中的应用.doc

磷酸盐溶液紫外吸收光谱中的应用
王睿1 余震虹鱼瑛
(江南大学通信与控制工程学院通信研究所,江苏无锡 214122)
摘要利用紫外分光光度法测定磷酸盐溶液的光谱,经过转换得到吸光度与溶液浓度的非线性关系,使用BP神经网络算法处理此非线性问题。Matlab语言中的神经网络工具箱提供了许多有关神经网络设计、训练和仿真的函数来实现BP网络,使应用BP网络来解决此类问题变得方便和有效。实验证明Levenberg-Marquardt法网络收敛速度最快,量化共轭梯度法最慢。本文还运用Matlab中的数据拟合法与BP神经网络法进行比较,前者虽然得到拟合曲线关系式,但较为复杂,工作量大。因此,BP神经网络法更适合于解决此类问题。关键词磷酸盐溶液,紫外分光光度法,BP神经网络,Matlab语言。中图分类号: 文献标识码:A 文章编号:
1 引言
人工神经网络始于20世纪40年代初,它的基本思想是模拟人脑细胞的工作原理,建立模型进行分类和预测。它的最大优点是抗干扰、抗噪音能力强,同时具有非线性转换能力。作为一种新的处理方法,人工神经网络在各种分析研究中取得了重大进展,许多科研工作者深入细致的理论研究对其发展做出了巨大贡献,相继提出了感知器、自适应线性元件、WF算法、神经网络自适应共振模型、BP算法等,现已提出了60多种模型[1]。对于多组分混合物体系,由于吸收光谱的相互重叠,使得定量分析较为困
难,人工神经网络的使用却能在一定程度上克服这些困难。其中BP神经网络是最具代表性、使用最多、应用最广的误差反向传播多层前馈式网络。虽然BP算法是目前比较流行的神经网络学习算法,但是传统的基于标准梯度下降法的BP算法在求解实际问题时,由于收敛速度缓慢,影响到求解质量[2]。为此,研究者们在标准BP算法的基础上进行了许多有益的改进,提出了弹性梯度下降法、共轭梯度法、拟牛顿算法、Levenberg-Marquardt训练方法等。本文将采用优化的BP神经网络算法,使网络训练的收敛速度有所提高。
磷酸盐是一种无机化合物,随着其含量的增加必然引起环境污染。我国虽然拥有辽阔的水域资源,但是随着污水的任意排放,水质已经被严重污染,其中以磷为主要污染源。目前对磷酸盐的测定主要有分光光度法、容量法和离子色谱法。在水质监测中,磷酸盐的测定常采用钼酸铵-酒石酸锑钾-抗坏血酸分光光度法,,电话:**********;E-mail:@
作者简介:王睿(1984-),女,甘肃民勤县人,是江苏省无锡市蠡湖大道1800号江南大学通信与控制工程学院在读硕士,主要从事紫外吸收光谱的研究。
收稿日期:0000-00-00;修回日期:0000-00-00
1
此方法的主要缺点是操作冗长,干扰较多,使用仪器昂贵[3]。为此,许多研究人员进行了不少改进和创新。近几年,出现较多的有关磷酸盐监测方法的成果,颇具潜力。
李在均[4]等人发现孔雀绿-磷钼杂多酸缔合物稳定性好,不受氧化剂影响,酸度范围较宽,试验表明,生成的绿色缔合物最大吸收波长在635nm,×104,磷含量在0~12ug/25ml服从比耳定律。陈培珍[5]研究了在非离子表面活性剂聚乙烯醇存在下,磷钼杂多酸和孔雀绿于硫酸介质中形成绿色离子缔合物的条