该学位论文研究神经网络和小波分析在多元校正与分辨中的应用,并着重研究了两者的结合应用.人工神经网络直读光谱法测定钢中酸溶铝.用火花直读光谱法测定钢中不同状态的铝是目前研究的热点之一,酸溶铝的测定多是化学分析法,手工操作麻烦,分析时间过长,很难满足现代冶金要求.该学位论文建立了一种新的人工神经网络直读光谱法测定钢中酸溶铝.确立了直读光谱法的分析条件,用直读光谱的全铝光谱强度值作为网络的输入,标样中的酸溶铝值作为期望值,建立神经网络模型,用神经网络直读光谱法测定中低合金钢中酸溶铝含量,分析结果的准确度与化学分析法基本一致.神经网络使用改进的BP算法,避免了学习过程可能产生的麻痹现象,提出了目标向量的简单变换方法.该法用于钢中酸溶铝的直接测定,获得满意结果.在神经网络和小波分析结合应用研究中,该文首先将小波分析和神经网络方法用于铝和铁的同时测定.根据小波变换将信号按频率高低分解的性质,用小波变换对信号进行分解,去除高频噪声后对信号进行重构,重构的信号作为神经网络的输入,同时测定铝和铁,并与Bp-ANN方法比较.小波分析和神经网络方法用于色谱重叠峰的解析.色谱分析已被广泛应用于许多组分的分离和分析工作中.但对于一些难分离体系,由于色谱峰的重叠,色谱法定量仍存在一定困难.该文利用小波变换对信号进行分解提取重叠色谱峰的特征信息,峰特征作为神经网络的输入层,不经分离测定了芴和氧芴混合体系.结果表明:色谱信号经小波变换分解后仍能保持原有特征,神经网络定量分析结果令人满意.