气溶胶单粒子化学成分在线聚类分析的论文

气溶胶单粒子化学成分在线聚类分析的论文

ID:10619223

大小:58.50 KB

页数:5页

时间:2018-07-07

气溶胶单粒子化学成分在线聚类分析的论文_第1页
气溶胶单粒子化学成分在线聚类分析的论文_第2页
气溶胶单粒子化学成分在线聚类分析的论文_第3页
气溶胶单粒子化学成分在线聚类分析的论文_第4页
气溶胶单粒子化学成分在线聚类分析的论文_第5页
资源描述:

《气溶胶单粒子化学成分在线聚类分析的论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、气溶胶单粒子化学成分在线聚类分析的论文气溶胶单粒子化学成分在线聚类分析【摘要】  为了在线快速、自动处理气溶胶激光飞行时间质谱仪在运行过程中产生的海量数据并提取有价值的信息,将基于神经网络的自适应共振算法运用于气溶胶单粒子化学成分在线聚类分析。利用该算法对nacl粒子、nacl和cacl2的气溶胶混合物、三聚氰胺气溶胶单粒子以及大气气溶胶单粒子进行在线分类,被成功分类的粒子数占命中粒子总数的100%,当警戒阈值为0.1,学习速率为0.05时,获得的每类聚类中心都能很好地代表该类物质的特征;深入研究了警戒阈值对nacl粒子

2、在线聚类数的影响。结果表明:当警戒阈值增大到0.8时,在线聚类数增多,分类更加精细。本算法的质谱分析软件基本满足大气气溶胶单粒子在线聚类分析的要求。【关键词】大气气溶胶;气溶胶单粒子;化学成分;气溶胶激光飞行时间质谱仪;自适应共振神经网络  realtimeclassificationofaerosolsingle  particleschemistryposition  xiaentalspectroscopy,anhuiinstituteofopticsandfinemechanics,chineseacademy

3、ofsciences,hefei230031  abstracttoquicklyprocessthelaserdesorption/ionizationmassspectraeofflightmassspectrometer(altofms)duringitsation,anadaptiveresonancetheorybasedneural,eclassificationofsingleparticlesofnacl,themixtureofnaclandcacl2aerosol,melamineandthea

4、tmosphericaerosol.experimentalresultsshocouldsuccessfullyrevealtheaerosolparticlescategories.besidesthesuccessfulprobabilityassspectraforthesingleparticleclassesarkably.thenumberofnaclsingleparticleclassesasafunctionofvigilancefactorberofnaclparticleclassesorethe

5、classificationuchmoreprecise.themassspectraacquisitionandcontrolsofteettherequirementsofrealtimeclassificationofatmosphericaerosolsingleparticles.  keyosphericaerosol;aerosolsingleparticle;chemistryposition;aerosollasertimeofflightmassspectrometer;adaptivereso

6、nanceneuraleofflightmassspectrometer,altofms)能够对单个气溶胶粒子的粒径和化学成分进行实时测量[4,5]。该仪器在使用过程中会产生海量数据(每分钟达上百个质谱数据),依靠人工处理数据不仅速度慢、劳动强度大,还易出现误差,极大地削弱了仪器实时测量的优势。因此,开发高效全面的在线质谱分析软件非常必要。  目前已用于质谱数据分析的方法多为离线分析,如等级聚类分析(hca)、主成分分析(pca)、模糊c均值(fcm)[5]、自组织特征映射神经网络(som)和自适应共振算法(art

7、2a)[6~8]。本课题组利用fcm和art2a算法对气溶胶质谱进行离线聚类分析[5,8],取得了较好的效果,但无法满足实时在线快速提取信息的要求。目前,在线聚类分析质谱数据方面的工作鲜有报道。  art2a神经网络算法与其它算法相比,其最大的特点是能快速识别遇到过的质谱模式类型,即存储在数据库中的聚类中心所代表的模式类,并且能够根据环境输入,自动将不同于已知质谱模式类但又具有相似特征的输入归为新的一类,并将学习到的这个新类的聚类中心保存下来,作为一种新的模式类参与以后的分类。简单而言,该算法具有无需监督、可灵活控制

8、分类精细程度、快速有效识别已记忆质谱模式类以及根据环境变化自适应快速识别和学习新类的特点,非常适合气溶胶粒子化学成分的在线聚类分析。本研究在前期离线聚类分析基础上,利用art2a算法开发实时的化学成分分析软件,将其加载到altofms质谱采集控制系统中,并对实验室环境下和大气中的气溶胶单粒子进行在线分类,对粒子分类

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。