首页 > 原子能科学技术 > 遗传算法优化的 BP 神经网络在 EDX RF 中对钛铁元素含量的预测

遗传算法优化的 BP 神经网络在 EDX RF 中对钛铁元素含量的预测

BP Neural Network Optimized by Genetic Algorithm Approach for Titanium and Iron Content Prediction in EDXRF

二维码有效期 120s

摘要在能量色散X荧光分析（EDXRF）技术中，受均匀效应、颗粒效应和基体效应等的干扰，定量分析精度受到影响。本文针对这一问题提出了遗传算法（GA ）优化BP神经网络（GA‐BP）的混合算法，该算法无需考虑元素浓度和射线强度之间的复杂关系。遗传算法优化BP神经网络的目的是为了获得更好的网络初始权值和阈值，其基本思想是：将初始化的BP神经网络均方根误差的倒数编码为遗传算法中个体的适应度；初始的权值和阈值用遗传算法中的个体代替，然后通过选择、交叉和变异操作挑选出最优个体，最后通过解码用最优的权值和阈值创建一个新的BP网络模型。攀枝花矿区5类矿样中钛和铁含量的整体预测和分类预测实验表明，分类预测效果远好于整体预测。预测值与化学分析值比较结果表明，其中76.7％的样品相对误差小于2％，表明了该方法在元素间基体效应校正上的有效性。