层次式SVM子集含烃类混合气体光谱分析方法

| -> | 964| 1| 0.834666MB |支持向量机,校正模型,子集,红外光谱,定量分析

| 文档量 |浏览量8268

摘􀀁 要􀀁 含烃类混合气体具有组分多、组分浓度范围大的特点。为了解决海量混合气体光谱数据样本实际上是无法实现的难题, 在大量调查的基础上, 研究探索了实际工程中可能出现的混合气体分布模式, 最后确定为15 种混合气体分布子模式, 共计5 500 个光谱数据样本用于训练与检验。在此基础上, 按照混合气体分布子模式识别􀀁 混合气体分析􀀁 结果输出的思路, 提出了2 层15 子集的含烃类混合气体分析方法。多层次多子集软件集成框架以15 种混合气体分布子模式为基本框架, 由于应用了基于样本关联规则及混合气体分布模式中心集的SVM 快速在线分类方法, 可向原基本框架在线实时的加入新的混合气体分布子模式。实验结果显示, 混合气体组分浓度分析的最大绝对误差为0􀀁 41%, 最大平均绝对误差为0􀀁 04%。可用于其他混合气体的红外光谱分析, 具有实际应用价值。
    含烃类混合气体由甲烷、乙烷、丙烷、异丁烷、正丁烷、异戊烷、正戊烷等气体组成, 具有组分多、组分浓度范围大的特点。例如, 如果含烃类混合气体的组分为七种, 组分气体的浓度为0~ 100%, 如果每种组分气体浓度按1%的间隔标定100 个点, 则7 组分混合气体需107 个数据点。实际工
作中, 构造数量如此多且分布合理的混合气体样本是不容易实现的。为了解决海量数据样本实际上是无法实现的难题;同时, 也为了提高混合气体组分气体浓度的分析精度, 本文提出了层次式支持向量机[ 1, 2] ( suppo rt v ecto r machine,SVM) 子集含烃类混合气体光谱分析方法。
    按照混合气体分布子模式识别􀀁 混合气体分析􀀁 结果输出的思路, 确定层次式SVM 子集分析方法由模式识别层和混合气体组分浓度分析层2 层组成。模式识别层用于混合气体分布子模式的识别; 混合气体组分浓度分析层为具体混合气体组分浓度分析和结果输出层, 利用建立的SVM 校正模型, 分析计算出具体混合气体组分浓度分析结果。本文在大量调查的基础上, 研究探索了实际工程可能出现的混合气体分布模式, 确定为15 种混合气体分布子模式, 共计5 500 个光谱数据样本用于训练与检验。以15 种混合气体分布子模式为基本框架, 应用基于样本关联规则及混合气体分布模式中心集的SVM 快速在线分类方法, 实现了含烃类混合气体组分浓度分析。
    分析方法由于应用了基于样本关联规则及混合气体分布模式中心集的SVM 快速在线分类方法, 可向原基本框架在线实时的加入新的混合气体分布子模式, 具有可扩展性。并具有理想的学习速度、组分浓度分析精度以及泛化能力, 可用于其他类似混合气体组分浓度的分析。
发布的其他共享资料
    0 色谱币 下载

层次式SVM子集含烃类混合气体光谱分析方法

(834.666K)

所需色谱币: 0

您持有: $userGold色谱币,完成任务赚取色谱币

立即下载

友情链接(联系QQ:47140047)
关于我们  经营理念  业务合作  联系我们  法律声明  网站建议  网站导航  帮助中心
Copyright © 色谱世界 版权所有 鄂ICP备19022139号-2