运用神经网络分析电流测定堆肥系统中的对苯二酚
稿件作者：李文卫
通讯作者：李旭东
刊物名称：环境科学
发表年份：2008
卷：29
期：9
页码：2678-2683
影响因子：
文章摘要：
针对生物传感器检测堆肥系统中对苯二酚时存在的检测范围较小和检测精度不高等问题,在分析漆酶生物传感器检测
电流信号的基础上,以传感器响应电流为输入变量,以对苯二酚浓度为输出变量,建立了神经网络(ANN) 模型,对网络进行了优化,确定了最佳的网络参数(最佳隐含层神经元数为7 ,最佳输入层神经元数为5 ,最优的传递函数组合为Tansig-Logsig ,最优的算法为Levenberg-Marquardt 算法) ,并将模型预测性能同非线性回归(NR) 模型进行了比较. NR 的RMSE(均方根误差) 为14.4419μmol/L ,预测值与实测浓度之间的相关系数为0.9944 ;与之相比,ANN 的RMSE 达到4.4442μmol/L ,预测值与实测浓度的相关系数为0.9996 ,预测性能明显优于NR. 对苯二酚的检测范围达到0.015～450μmol/L ,在现有水平上进一步扩大了检测范围同时提高了检测精度.
电流信号的基础上,以传感器响应电流为输入变量,以对苯二酚浓度为输出变量,建立了神经网络(ANN) 模型,对网络进行了优化,确定了最佳的网络参数(最佳隐含层神经元数为7 ,最佳输入层神经元数为5 ,最优的传递函数组合为Tansig-Logsig ,最优的算法为Levenberg-Marquardt 算法) ,并将模型预测性能同非线性回归(NR) 模型进行了比较. NR 的RMSE(均方根误差) 为14.4419μmol/L ,预测值与实测浓度之间的相关系数为0.9944 ;与之相比,ANN 的RMSE 达到4.4442μmol/L ,预测值与实测浓度的相关系数为0.9996 ,预测性能明显优于NR. 对苯二酚的检测范围达到0.015～450μmol/L ,在现有水平上进一步扩大了检测范围同时提高了检测精度.
