《表2 分析谱线：基于激光诱导击穿光谱与径向基函数神经网络的铝合金定量分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于激光诱导击穿光谱与径向基函数神经网络的铝合金定量分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

选取RBF神经网络模型输入量时，如果每种元素的分析谱线过少，就可能会遗漏重要的数据信息，而如果分析谱线过多则可能会造成数据冗余，导致定量模型的泛化性能不好。对于这种情况，可以对所有的分析谱线进行主成分分析，实现数据的降维，提高模型的精度和泛化能力。根据实验数据以及美国国家标准与技术研究院（NIST）数据库中的元素谱线信息，最终确定了20条元素谱线，如表2所示。采用Al 265.25nm谱线对5种标样的320组光谱数据进行强度归一化，然后再将这6种元素的20条谱线的相对强度作为主成分分析的输入矩阵X0(320×20）。结果表明，前6个主成分的累积贡献率达到91.54%，可以基本表示样品的光谱信息。最终获得了降维后的光谱矩阵Xk(320×6）。