申明金

（川北医学院化学教研室，四川南充637000）

Kohonen-RBF网络用于废水中钴镍钒的同时测定

申明金

（川北医学院化学教研室，四川南充637000）

将Kohonen神经网络与RBF网络相结合，对废水中吸收光谱严重重叠的钴、镍、钒三组分体系进行解析。利用Kohonen神经网络选择全谱特征波长，优化确定了RBF网络的结构和参数，使光度分析计算的校正模型的优化问题得到有效解决。分析结果表明，经Kohonen神经网络方法进行波长选择后，优化了RBF网络的输入并提高了其预测能力。

Kohonen神经网络；RBF网络；钴；镍；钒

炼油车间存在的原料油滴漏等造成其排放的废水中含有一定的铁、铜、钴、镍、钒等金属元素。钴对鱼类等水生动物的毒性比较大，含镍废水可能导致植物生长减缓，金属钒的化合物对动植物有中等毒性。因此，含钴、镍、钒等金属元素的废水在处理前后应进行含量测定。

钴、镍、钒等往往同时存在于废水中，由于它们的性质有一定相似性，分离困难，要进行单组分测定程序繁琐。人工神经网络是不经分离进行多组分同时测定的较好方法。但常用的BP神经网络存在收敛速度慢、易落于局部极优点、参数难于调节、数值稳定性差等缺点。笔者应用Kohonen神经网络对钴、镍、钒的吸收光谱进行波长优选，以优选波长处的吸光度作为泛化能力较好的RBF神经网络的输入集，对废水中的钴、镍、钒进行同时测定，结果满意。

1　方法原理

1.1Kohonen网络算法原理

Kohonen神经网络（KNN）是由输入层、隐含层（Kohonen层）和输出层组成，其结构见图1〔1〕。

该网络在结构上模拟大脑皮层中神经元层二维空间点阵的结构，网络在学习时其神经元的权值是通过比较输入样本之间的空间最小距离来不断调整的。……