Tiivistelmä

Kosteutta mitataan yleisesti optisilla mittalaitteilla käyttäen lähi-infrapuna-aallonpituuksia. Kalibrointisuoran avulla kosteus voidaan määrittää yksikäsitteisesti ja tarkasti. Joillakin rikastenäytteillä mittauksen ja kosteuden välinen riippuvuus ei ole lineaarinen, vaan kosteuden määrittämiseksi joudutaan käyttämään kehittyneempiä menetelmiä. Tässä tutkimuksessa selvitettiin neuroverkkojen ja neurosumeiden menetelmien soveltuvuutta epälineaariseen kalibrointiin. Lisäksi tutkittiin mahdollisuutta tuottaa mittausaineistosta lisäinformaatiota, jolla kalibroinnin luotettavuutta voidaan parantaa.

Käytettävänä aineistona olivat veden absorbanssispektrit 14 eri kosteuspitoisuudelta. Ongelmana kalibroinnissa oli mittausten epävarmuus. Tämän vuoksi aineistoja karsittiin ja interpoloitiin tarvittaessa lisää. Aineiston vähyyden vuoksi riippumatonta testausaineistoa ei ollut saatavilla.

Niin neuroverkot kuin neuro-sumeat menetelmätkin soveltuivat hyvin kalibrointiin. Myös lisäinformaatiota onnistuttiin tuottamaan mallintamalla mittausaineistosta erilaisia suureita. Virheen mallinnuksessa muodostettiin ideaalinen kalibrointisuora, jonka poikkeama mittauksista mallinnettiin. Piirre-erojen mallinnuksessa muodostettiin useita kalibrointisuoria, joiden väliset erot mallinnettiin.