磁场对冷镱原子光钟稳定度影响的仿真分析

在光晶格钟运行时，不停起伏的杂散磁场会引入一阶塞曼频移和二阶塞曼频移，从而影响光晶格钟的频率不稳定度。此外，突变的磁场可能导致激光频率参考到钟跃迁频率的伺服闭环过程发生不可恢复的失锁，从而阻碍光钟的持续运行。在实验中，光钟进行频率闭环锁定前，通常通过控制三维线圈对光钟主腔中心原子处的杂散磁场进行补偿。首先使用三维磁强计，对真空主腔附近的磁场进行监测和记录，以分析杂散磁场对光钟性能的影响。然后利用正态分布模型和二项分布模型等，对光钟频率伺服锁定过程的阿伦偏差进行仿真拟合。在引入实际磁场监测数据的基础上，模拟光钟频率的伺服锁定过程，分析其仿真结果可以得出：减小杂散磁场起伏和控制磁场漂移，在提高冷镱原子光钟的短期稳定性和长期稳定性方面具有重要意义。     

基于改进极限学习机的光谱定量建模方法

依据近红外光谱(NIR)产生原理,提出了粒子群优化极限学习机(PSO-ELM)算法,运用于小样本氨水浓度定量分析。通过优化极限学习机(ELM)隐藏节点参数,解决了极限学习机由于输入权值和隐含层偏差随机产生的建模结果具有随机性的问题,提高了预测模型的稳定性、精确度和泛化性能。经实验验证,优化后的PSO-ELM相比ELM,模型预测集均方根误差由0.01166减小至0.00322,预测集相关系数由0.9951提高至0.9979。将优化后的模型预测结果与支持向量机(SVM)、BP神经网络算法等传统方法的建模结果进行对比,优化后的PSO-ELM算法具有较高的精确度和良好的泛化性能,模型预测效果优于传统的定量回归分析算法。