论文部分内容阅读
现场X射线荧光分析中,在样品测量面形状、湿度、密度和矿物颗粒度等差异对特征X射线照射量率影响的基础上,阐述了数据融合和模块化神经网络的基本思想,结合两者建立描述和校正上述干扰因素的神经网络融合模型、算法及学习方式。以该校正模型对试验数据计算和仿真,将测量面形状、湿度、颗粒度干扰造成的误差降低到小于10%;实验结果表明建立的校正模型有较好精度,基于模块化神经网络的数据融合技术能运用在现场荧光分析的干扰校正中。