1、全文共分五部分，首先闡述了人工神經(jīng)網(wǎng)絡(luò)在多元校正和中藥模式識別的發(fā)展情況和應(yīng)用現(xiàn)狀。接著運(yùn)用人工神經(jīng)網(wǎng)絡(luò)多元校正方法解決樣品分析中由于混合物光譜嚴(yán)重重疊所引起的組分分離和分析極為困難的問題，對重疊峰進(jìn)行定量分析。與此同時，用人工人神經(jīng)網(wǎng)絡(luò)對不同產(chǎn)地的中藥成功的進(jìn)行了模式識別。 第一章闡述了人工神經(jīng)網(wǎng)絡(luò)在多元校正和中藥模式識別的發(fā)展情況和應(yīng)用現(xiàn)狀。 第二章詳細(xì)闡述了本論文所涉及的一些化學(xué)計量學(xué)方法基本原理。 在第三

2、章中，運(yùn)用基于線性主成分分析的徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)和廣義回歸人工神經(jīng)網(wǎng)絡(luò)結(jié)合流動注射化學(xué)發(fā)光法同時測定槲皮素和蘆丁。通過比較兩種網(wǎng)絡(luò)在沒有進(jìn)行輸入變量選擇時和進(jìn)行了線性主成分分析變量選擇后的預(yù)測結(jié)果，發(fā)現(xiàn)進(jìn)行線性主成分分析變量選擇后徑向基函數(shù)網(wǎng)絡(luò)和廣義回歸神經(jīng)網(wǎng)絡(luò)的預(yù)測性能都有了很大的提高，同時發(fā)現(xiàn)基于線性主成分分析的徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)有比較好的預(yù)測結(jié)果?？梢哉J(rèn)為，在本文的實驗條件下，基于線性主成分分析的徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)可以

3、比較好的解決流動注射化學(xué)發(fā)光中的多種物質(zhì)難以同時測定的問題。 在第四章中，非線性主成分分析被應(yīng)用于神經(jīng)網(wǎng)絡(luò)輸入變量選擇。通過比較非線性主成分分析前后的神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果?？梢钥吹?，原始變量經(jīng)過非線性主成分分析后，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的預(yù)測性能得到了很大的改善。本實驗成功的用基于非線性主成分分析的徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)結(jié)合化學(xué)發(fā)光同時測定了氫氯噻嗪和卡托普利。 在第五章中，基于非線性主成分分析的徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)用于熒光分