[发明专利]一种基于LM-BP神经网络的X射线荧光光谱定量分析方法

权利要求书

1.一种基于LM-BP神经网络的X射线荧光光谱定量分析方法，其特征在于，该方法包括：

S1:采集训练集样品的X射线荧光光谱，对其进行光谱数据处理，并提取处理后的单一谱线上的若干个数据点强度值；

S2:测定训练集样品的对应目标元素的含量；

S3:将步骤S1中获得的强度值作为输入层数据，将步骤S2中对应目标元素的含量作为输出层数据，根据输入层与隐含层之间的传递函数，得到隐含层数据，从而建立起BP神经网络模型；

S4:采用LM算法对BP神经网络模型进行训练，建立X射线荧光光谱定量分析样品目标元素的LM-BP神经网络模型；

S5:将预测集样品的X射线荧光光谱进行光谱数据处理后提取的单一谱线上的若干个数据点强度值作为输入层数据矩阵输入训练好的LM-BP神经网络模型，得到预测集样品的对应目标元素的含量。

2.根据权利要求1所述的方法，其特征在于，该方法进一步包括：利用对应目标元素的含量已经测定的验证集样品对所述LM-BP神经网络模型进行验证。

3.根据权利要求1所述的方法，其特征在于，所述光谱数据处理方法包括：求平均、扣除背景以及谱线去干扰拟合。

4.根据权利要求1所述的方法，其特征在于，利用理化分析方法测定所述训练集样品的对应目标元素的含量。

5.根据权利要求1所述的方法，其特征在于，步骤S3中所述输入层与隐含层之间的传递函数为Logsig函数。

6.根据权利要求1所述的方法，其特征在于，所述采用LM算法对BP神经网络模型进行训练包括：

S41:随机设定训练误差ξ、神经网络权值以及阈值X，并设定迭代次数k=0；

S42:根据输出函数计算神经网络的输出层的输出值：

O_o=f(∑v_hoH_h-Y_o)=f(net_o)

其中，V_ho为隐含层节点与输出节点的网络权值，H_h为隐含层第h个节点的实际输出，Y_o为输出层的阈值，O_o为输出层的第o个节点的实际输出，f(net_o)为输出层的传递函数；

S43:计算出目标函数E(x)：

E(x)=12Σi=1Nei2(x)]]>

其中，e_i(x)为第i个样本的预测值和实际输出值O_i的偏差；

S44:计算雅可比矩阵J(x)，其公式为：

J(x)=∂e1(x)∂x1∂e1(x)∂x2···∂e1(x)∂xN∂e2(x)∂x1∂e2(x)∂x2···∂eN(x)∂xN············∂eN(x)∂x1∂eN(x)∂x2···∂eN(x)∂xN]]>

S45:计算ΔX:

ΔX=-[J^T(x)J(x)+μI]^-1J(x)e(x)

其中，μ为大于0的常数，I为单位矩阵；

S46:若E(x)<ξ，则算法结束；否则，则转至步骤S47；

S47:令X=X+ΔX作为新的权值和阈值重新计算目标函数E(x)，若E(x)小于步骤S43中的E(x)，在令k=k+1，且X=X+ΔX，转至步骤S43；否则，令μ=μ×α，且转至步骤S45，其中α为常数。

7.根据权利要求1所述的方法，其特征在于，该方法进一步包括：利用相关系数和均方误差来评价神经网络模型的准确度和精确度。