基于自适应变异粒子群优化的SVM在混合气体分析中的应用

• 作者: 刘文贞 张兵 曲健 李志彬 陈红岩
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 传感器应用 支持向量机 粒子群优化 遗传算法 定量分析
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 传感器应用
• 页码范围: 1262-1268
• 页数: 7页
• 分类号: TH744
• 字数: 4038字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2015.08.027

摘要

针对混合气体定量分析中，支持向量机建模的参数难以确定、红外光谱数据计算量过大以及气体间交叉干扰等问题。提出了一种自适应变异粒子群优化的支持向量机方法，用于建立基于红外光谱的多组分混合气体定量分析模型。混合气体主要由浓度范围在0.5%~8%的CO、3.6%~12.5%的CO2及200×10-6~3270×10-6的C3H8三种组分气体组成。利用粒子群优化算法对支持向量机建模中的参数进行优化选择，并与遗传算法优化的支持向量机作对比。实验表明，采用此方法建模所用时间为39.524 s，遗传算法为26.272 s；针对CO2独立建模的预测结果，粒子群优化算法均方差为0.000123758，遗传算法均方差为2.14952。在建模时间略高的情况下，粒子群优化算法预测结果均方差明显低于遗传算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈红岩	中国计量学院机电工程学院	36	342	9.0	18.0
2	李志彬	中国计量学院机电工程学院	3	59	3.0	3.0
3	曲健	中国计量学院机电工程学院	6	67	4.0	6.0
4	张兵	中国计量学院机电工程学院	3	59	3.0	3.0
5	刘文贞	中国计量学院机电工程学院	5	85	5.0	5.0