径向基神经网络奥斯特杨方波伏安法同时测定铬和锌

径向基函数神经网络(RBFN)和核心偏最小二乘法(KPLS)用于分析重叠的CrⅢ和ZnⅡ的奥斯特杨(Osteryoung)方波伏安图,程序SPRBFN和SPKPLS被设计用于全部计算.在RBFN方法中,普通高斯函数可用作隐藏层非线性转移函数.由于其局部性质,RBFN能被快速训练,避免陷入局部最小.对两个方法预测能力的研究结果显示其所有组分的相对预测标准偏差(RSEP)分别为0.677%和13.0%.因此,RBFN方法较之KPLS方法可提供更为精确的结果,而且在解决局部最小,改进收敛速率方面也不失为一个重要的工具.