《表3 采用不同模型对铝合金标样进行定量分析的结果》

  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

表3为铝合金中5种主要非铝元素的传统一元定标模型与RBF神经网络多元定标模型的对比分析结果，其中：RMSE为均方根误差，用于衡量预测值同实际值之间的偏差；拟合优度R2用于评价回归模型系数的拟合程度，拟合优度越大，元素含量对谱线相对强度的解释程度越高，模型的精度和稳定性越高。由表3可知：这5种元素的传统一元线性定标模型的拟合优度均值只有0.849，RMSE均值为7.36%，而RBF神经网络多元定标模型的拟合优度均值为0.978，RMSE均值只有0.31%。可见，RBF神经网络多元定标模型的精度和稳定性相比传统的一元线性定标模型得到了很大提高，尤其是对Si、Fe、Cu等低含量元素的预测精度有了明显提升。这表明，RBF神经网络多元定标能够有效减小参数波动和校正基体效应的影响，提高模型定量分析的精度、稳定性和泛化性。