| 【中文题名】 | 基于人工神经网络的水质监测拉曼光谱系统的研究 |
| 【英文题名】 | Research of Raman Spectroscopy System in Detecting Water Pollutants Based on Artificial Neural Network |
| 【学科专业】 | 光学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-17 |
| 【中关键词】 | 拉曼光谱,人工神经网络,光谱分析,数据库,, |
| 【英关键词】 | Raman Spectroscopy,Artificial Neural Network,Spectroscopy Analysis,Data Base, |
| 【分类导航】 | 环境科学、安全科学>环境质量评价与环境监测>环境监测>水质监测>> |
| 【论文摘要】 |
随着我国经济的高速发展，中国正在经历前所未有的水问题转型。未来中国的发展将面临多重水危机。在经济发展的同时，GDP维持在一个很高的水平，对环境造成的巨大破坏也越来越严重。水污染治理仍是重中之重，水污染治理是一项花费巨大的工作。因此，在水污染治理过程中，对污染源的监控，防患未然显得尤为重要。对水质污染的检测有很多种方法，本文设计了一种检测水污染的拉曼光谱系统。拉曼光谱是一种散射光谱，光入射以后与分子相互作用，散射光的频率会发生变化，通过频率的变化来反映分子的结构和成分。拉曼光谱用在水污染的检测的方法有很多的优势，制样简单，设备成本较低，检测范围广泛，可以实现对样品的微量检测，实时实地进行并且可以定性、定量的分析。
本文先对中国的水资源状况，水污染的情况作了一个简单的介绍，水资源的污染检测和治理刻不容缓。接着介绍了拉曼光谱的基本原理，拉曼光谱的产生机理，从拉曼散射的经典理论和量子理论等进行了阐述，简单介绍了拉曼光谱的在化学、材料、生物科学等方面应用的优势，接着讨论了拉曼光谱仪的系统结构。然后介绍了神经元理论和模型，人工神经网络模型的基本理论和发展，着重分析了BP神经网络的算法，算法的局限性以及改... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-9 |
|
第一章 绪论 |
9-14 |
|
1.1 我国水资源和污染情况概述 |
9-10 |
|
1.2 本文研究的主要目的和意义 |
10-11 |
|
1.3 国内外的研究现状 |
11-13 |
|
1.4 本文的主要内容 |
13-14 |
|
第二章 拉曼光谱基本原理和应用 |
14-23 |
|
2.1 拉曼光谱的基本原理 |
14-18 |
|
2.2 拉曼光谱的应用 |
18-19 |
|
2.3 拉曼光谱系统设计 |
19-23 |
|
第三章 人工神经网络技术 |
23-33 |
|
3.1 人工神经网络概述 |
23-24 |
|
3.2 人工神经网络的理论基础 |
24-28 |
|
3.2.1 神经元模型 |
25-26 |
|
3.2.2 人工神经网络模型 |
26-27 |
|
3.2.3 学习规则 |
27-28 |
|
3.3 BP人工神经网络 |
28-33 |
|
3.3.1 BP算法 |
29-32 |
|
3.3.2 BP网络的局限和改进 |
32-33 |
|
第四章 人工神经网络用于拉曼光谱的处理 |
33-45 |
|
4.1 光谱数据的预处理 |
33-36 |
|
4.2 人工神经网络对拉曼光谱的预测和识别模型的建立 |
36-37 |
|
4.3 人工神经网络的对拉曼光谱的预测 |
37-39 |
|
4.4 实验与结果分析 |
39-45 |
|
第五章 水污染物拉曼光谱的数据库设计 |
45-55 |
|
5.1 水污染物拉曼光谱的数据库的建立 |
45-48 |
|
5.2 各种数据库访问技术概述 |
48-51 |
|
5.3 对访问数据库的实现 |
51-55 |
|
第六章 总结和展望 |
55-57 |
|
参考文献 |
57-60 |
|
硕士期间发表的论文 |
60-61 |
|
致谢 |
61 |
|
| 【DOI】 | LunWen.ID:2.2008.388788 |
