買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉電子科技大學(xué)長三角研究院(湖州)申請的專利基于AOG-BP神經(jīng)網(wǎng)絡(luò)的XRF元素定量分析方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115541641B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210992195.7，技術(shù)領(lǐng)域涉及：G01N23/223；該發(fā)明授權(quán)基于AOG-BP神經(jīng)網(wǎng)絡(luò)的XRF元素定量分析方法是由李福生;楊飔源;楊婉琪設(shè)計(jì)研發(fā)完成，并于2022-08-18向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于AOG-BP神經(jīng)網(wǎng)絡(luò)的XRF元素定量分析方法在說明書摘要公布了：本發(fā)明公開了一種基于AOG?BP神經(jīng)網(wǎng)絡(luò)的XRF元素定量分析方法，是將X熒光光譜元素檢測技術(shù)領(lǐng)域的元素定量分析上，利用AOG優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閥值，將優(yōu)化過后的權(quán)值和閥值用于構(gòu)建BP神經(jīng)網(wǎng)絡(luò)從而反演待測元素的含量，最后以決定系數(shù)R2評價AOG?BP的預(yù)測效果。本發(fā)明步驟簡明易懂，預(yù)處理要求低，預(yù)測速度快，精度高，可以快捷效地對待測物所含元素進(jìn)行定量預(yù)測。

本發(fā)明授權(quán)基于AOG-BP神經(jīng)網(wǎng)絡(luò)的XRF元素定量分析方法在權(quán)利要求書中公布了：1.基于AOG-BP神經(jīng)網(wǎng)絡(luò)的XRF元素定量分析方法，其特征在于，包括以下步驟： 步驟1：對n個目標(biāo)樣本，測得待測元素的峰值數(shù)據(jù)和含量數(shù)據(jù)，以及待測元素對應(yīng)的m-1個干擾元素的峰值數(shù)據(jù)；其中，nm； 步驟2：劃分測試集和訓(xùn)練集，前k個目標(biāo)樣本對應(yīng)的數(shù)據(jù)為訓(xùn)練集，其中待測元素的峰值數(shù)據(jù)以及待測元素對應(yīng)的m-1個干擾元素的峰值數(shù)據(jù)為訓(xùn)練集輸入，待測元素的含量數(shù)據(jù)為訓(xùn)練集輸出，后n-k個目標(biāo)樣本對應(yīng)的數(shù)據(jù)為測試集，其中待測元素的峰值數(shù)據(jù)以及待測元素對應(yīng)的m-1個干擾元素的峰值數(shù)據(jù)為測試集輸入，待測元素的含量數(shù)據(jù)為測試集輸出；其中，kn-k； 步驟3：構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，包括結(jié)點(diǎn)數(shù)目為a的輸入層、結(jié)點(diǎn)數(shù)目為b的輸出層和結(jié)點(diǎn)數(shù)目為h的隱藏層；其中，a＝m，b＝1，h由經(jīng)驗(yàn)公式?jīng)Q定； 步驟4：對測試集和訓(xùn)練集進(jìn)行數(shù)據(jù)歸一化； 步驟5：構(gòu)建由U行種群組成的種群矩陣X，和初始速度矩陣V： 其中，dim＝a·h+h+h·b+b，即各行種群包括依次的a·h個代表輸入層與隱藏層連接的權(quán)值的個體，h個代表隱藏層神經(jīng)元閾值的個體，h·b個代表隱藏層與輸出層連接的權(quán)值的個體，以及b個代表輸出層神經(jīng)元閾值的個體；xuv,u＝1,...,U,v＝1,...,dim為種群矩陣X中第u行、第v列的個體，取值范圍為[-q,q]間的隨機(jī)數(shù)，q∈[3,5]，初始速度矩陣V中第u行、第v列的個體，取值范圍為[-1,1]間的隨機(jī)數(shù)； 步驟6：計(jì)算第u行種群對應(yīng)的適應(yīng)度函數(shù)fu,u＝1,...,U并獲得適應(yīng)度函數(shù)的集合F； 步驟7：對種群矩陣X進(jìn)行O次迭代，并記錄每次迭代對應(yīng)的適應(yīng)度函數(shù)的集合F； 步驟8：計(jì)算第u行種群對應(yīng)的適應(yīng)度函數(shù)f'u,u＝1,...,U并獲得適應(yīng)度函數(shù)的集合F'； 步驟9：對種群矩陣X進(jìn)行O次迭代，并記錄每次迭代對應(yīng)的適應(yīng)度函數(shù)的集合F'； 步驟10：重復(fù)步驟6到步驟9，重復(fù)P次后選擇適應(yīng)度函數(shù)的集合F中數(shù)值最低的適應(yīng)度函數(shù)fmin，將其對應(yīng)的一行種群作為BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閥值； 步驟11：采用經(jīng)歸一化后的訓(xùn)練集對步驟10所得BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得最終訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò)；基于最終訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò)，對經(jīng)歸一化后的測試集進(jìn)行預(yù)測，獲得并記錄第n-k個測試集目標(biāo)樣本中待測元素的含量預(yù)測值； 步驟12：對記錄的各目標(biāo)樣本中待測元素的含量預(yù)測值進(jìn)行反歸一化處理，與對應(yīng)目標(biāo)樣本中待測元素的含量數(shù)據(jù)進(jìn)行對比，求取決定系數(shù)R2： 其中，yh為第h個測試集目標(biāo)樣本中待測元素的含量數(shù)據(jù)；為經(jīng)反歸一化處理后的第h個測試集目標(biāo)樣本中待測元素的含量預(yù)測值；為所有測試集目標(biāo)樣本中待測元素的含量真實(shí)值的平均值； 步驟7中迭代的過程具體為： 選擇適應(yīng)度函數(shù)的集合F中數(shù)值最低的適應(yīng)度函數(shù)fα，將其對應(yīng)的一行種群作為Xt-1 α種群，t代表當(dāng)前迭代次數(shù)； 將種群矩陣X按照下列公式進(jìn)行迭代： Vu t＝w·Vu t-1+c·randGBestX-Xu t-1 其中，Xu是種群矩陣X中第u行所有個體，Vu是速度矩陣V中第u行所有個體，w是慣性因子，取[0,1]之間的隨機(jī)數(shù)，c是加速因子，取[0,4]之間的隨機(jī)數(shù)，rand是[0,1]之間的隨機(jī)數(shù)； 步驟9中迭代的過程具體為： 選擇適應(yīng)度函數(shù)的集合F'中數(shù)值最低的適應(yīng)度函數(shù)f'α，將其對應(yīng)的一行種群作為Xt-1 α種群，t代表當(dāng)前迭代次數(shù)； 將種群矩陣X按照下列公式進(jìn)行迭代： 其中，T代表當(dāng)前迭代次數(shù)，l是[0,1]之間的隨機(jī)數(shù)，Xu是種群矩陣X中第u行所有個體，A和C為系數(shù)，計(jì)算公式如下： 其中a是收斂因子，隨著迭代次數(shù)從2線性減小到0，r1和r2的取[0,1]之間的隨機(jī)數(shù)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人電子科技大學(xué)長三角研究院(湖州)，其通訊地址為：313000 浙江省湖州市西塞山路819號科技創(chuàng)新綜合體B1幢；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。