文摘
英文文摘
声明
1绪论
1.1研究的背景和意义
1.2近红外光谱技术常用的建模方法
1.2.1多元线性回归
1.2.2主成分回归
1.2.3偏最小二乘回归
1.3论文研究的内容
2近红外光谱分析原理
2.1近红外光谱的产生和光谱特性
2.1.1近红外光谱的信息源
2.1.2近红外光谱的化学信息基础及特征
2.2近红外光谱技术的理论基础
2.2.1近红外透射光谱技术
2.2.2近红外反射光谱技术
2.3近红外光谱技术的特点和分析流程
2.4近红外光谱技术的发展
3人工神经网络理论及其应用
3.1人工神经网络的原理
3.1.1人工神经网络的特点
3.1.2神经元模型
3.2人工神经网络的应用
4 BP人工神经网络用于茶碱浓度分析
4.1 BP网络的原理与算法
4.1.1 BP网络结构
4.1.2 BP网络学习步骤
4.1.3 BP网络学习特点
4.2实验部分
4.2.1实验设计及样本制备
4.2.2实验仪器及测试条件
4.2.3模型的校验方法
4.3用BP网络建立校正模型
4.3.1逼近度的使用
4.3.2输入层与输出层的设计
4.3.3隐含层的设计
4.3.4动量项与学习系数的选择
4.3.5网络学习次数的设计
4.4模型的校验
4.5一阶导数光谱对BP网络模型的影响
4.5.1一阶导数光谱
4.5.2 BP网络的设计
4.5.3模型的检验
5 BP网络模型与常规计量学模型的比较
5.1多元线性回归建立校正模型
5.1.1多元线性回归的原理
5.1.2模型的校验
5.1.3小结
5.2主成分回归建立校正模型
5.2.1主成分回归的原理
5.2.2模型校验
5.2.3 小结
5.3偏最小二乘回归建立校正模型
5.3.1偏最小二乘回归的原理
5.3.2模型校验
5.3.3小结
5.4 BP网络模型与常规计量学模型的比较
6总结
6.1论文所做的工作
6.2论文不足之处及展望
致 谢
参考文献
附 录