排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
2.
易制毒气体识别对于抑制毒品流通具有重要作用,但目前关于易制毒气体浓度检测的研究还不成熟。针对易制毒混合气体检测的问题,通过采集傅里叶红外光谱信息建立了反向传播(Back Propagation, BP)神经网络模型。以乙醚和丙酮的混合气体实验为例,对BP-傅里叶红外变换光谱(Fourier Transform Infrared Spectroscopy, FTIR)模型进行了验证和分析。结果表明,利用BP-FTIR吸收系统采集的多组分混合气体的光谱数据的总体回归R值为0.99273,相关性强。在混合气体测试中,乙醚气体的最大预测误差为28 ppm,丙酮气体的最大预测误差为11 ppm,总体预测误差较小,说明该模型能够较好地预测乙醚丙酮混合气体的浓度。因此,神经网络模型对多组分易制毒气体进行浓度反演的预测结果精度较高,本研究也为易制毒及其他混合气体检测提供了新的思路。 相似文献
1