文献

J-GLOBAL ID：201902219560824475   整理番号：19A2269412

油同定のための二重ツリー複合ウェーブレット変換と一般化回帰ニューラルネットワークに基づく濃度分解蛍光分光法に関する議論【JST・京大機械翻訳】

Discussion on dual-tree complex wavelet transform and generalized regression neural network based concentration-resolved fluorescence spectroscopy for oil identification

著者 (5件)： Zhang Lu-Jun (Department of Physics and Optoelectronic Engineering, Weifang University, Weifang, Shandong Province 261061, China. [e-mail]) ,  Huang Xiao-Dong ,  Wang Yan ,  Wang Chun-Yan ,  Sun Yong-Zhi
資料名： Analytical Methods  (Analytical Methods)
巻： 11  号： 36  ページ： 4566-4574  発行年： 2019年 
JST資料番号： W2324A  ISSN： 1759-9660  CODEN： AMNECT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 近年,環境への油流出の増加とヒトの健康と野生生物に対するこれらの汚染物質の証明された毒性の可能性に関する関心が高まっている。流出油の供給源を正確に迅速に決定することは,流出油事故の調査と取り扱いのための科学的証拠を提供することができる。従来の蛍光分光法は線形濃度範囲で検出されるので,濃度分解蛍光分光法(CRFS)をこの論文で提案する。それは新しい次元として濃度を導入する。多重アルゴリズムを組み合わせたデータ処理戦略を,油漏れ同定のためにCRFSに適用した。二重ツリー複素ウェーブレット変換(DTCWT)を用いて,CRFSの多重スケールおよび多方向特徴を抽出し,同定精度を保証した。一方,主成分分析(PCA)を用いて,同定速度を改善する目的で,特徴スペクトルの次元を低減した。3種類の人工ニューラルネットワーク(逆伝搬神経回路網(BP),確率的ニューラルネットワーク(PNN),および一般化回帰ニューラルネットワーク(GRNN))を,油識別のための強力な分類装置として使用し,DTCWTとPCAによって処理したスペクトルデータに基づいて比較した。100%の精度で,GRNNは油分類と同定,特に小サンプルサイズに対してより適切であることが証明された。CRFS技術とこのデータ処理戦略の組合せは,ディーゼル(ディーゼル2002),燃料(重質燃料4#)及び原油(Xia,Shang,Zhengqi)を含む挑戦的な試料セットを区別する強力な方法として明らかにされ,実時間及び経済的油フィンガープリント同定に利用できる可能性がある。Copyright 2019 Royal Society of Chemistry All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *蛍光分光法 ,  野生生物 ,  多重化 ,  原油 ,  流出油 ,  *ウェーブレット変換 ,  油漏れ ,  スペクトル ,  主成分分析 ,  *ニューラルネットワーク ,  データ処理 ,  神経回路網 ,  指紋
準シソーラス用語： 複素ウェーブレット変換 , 【Automatic Indexing@JST】

分類 (2件)： 分光分析  (CC03012W) ,  無機物質中の元素の物理分析  (CC03022H)

タイトルに関連する用語 (7件)： 油 ,  同定 ,  ウェーブレット変換 ,  一般化回帰ニューラルネットワーク ,  分解 ,  蛍光分光法 ,  議論