PSO优化的SVM回归在SF6废气定量分析中的应用

• 作者: 吴继芳 张其林 李杰 赵永标
• 来源期刊: 洛阳理工学院学报（自然科学版）
• 学科: 化学
• 关键词: 粒子群优化 支持向量机 六氟化硫 红外光谱
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 环境工程与化学研究
• 页码范围: 19-23
• 分类号: O657.33
• 字数: 3165字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-5043.2011.02.006

摘要

气体绝缘组合电器(GIS)内的绝缘介质SF6及其衍生物的种类与体积严重地影响GIS的绝缘能力,定量分析故障GIS内SF6衍生物有助于评估设备发生故障的原因.为了从GIS设备内SF6气体的红外光谱中获取衍生物的种类及体积,使用支持向量机(SVM)回归法建立了SF6及其部分衍生物的定量分析模型,采用粒子群优化(PSO)算法对支持向量机的参数进行了优化选择,与遍历选择参数方法相比,粒子群优化避免了交叉验证的耗时与盲性.