粒子群优化SVM在气体定量分析中的应用

• 作者: 冯勇 曲健 郑尧军 陈开考 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 BP神经网络 遗传算法
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 传感器应用
• 页码范围: 1121-1126
• 页数: 6页
• 分类号: TH744
• 字数: 2696字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2016.07.028

摘要

针对机动车尾气排放CO气体的定量分析中，支持向量机建模的参数难以确定、光谱数据计算量过大等问题，提出了一种自适应变异粒子群优化的支持向量机方法，对浓度范围在0.5%~8%的20组不同浓度的CO气体进行定量分析。通过对汽车尾气中CO气体的初始数据进行优化，再将优化的核函数带入支持向量机进行浓度的回归分析，将结果与BP神经网络模型回归效果作对比，实验表明：粒子群寻优得到的最优参数c=39.3152，g=0.17855；BP神经网络的适应度值在迭代60次之后趋于稳定，SVM建模时间约为BP网络的1/30，且SVM预测精度明显高于BP网络。相比与BP网络，SVM更适合处理气体定量分析问题。

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	陈开考	浙江经济职业技术学院汽车技术学院	47	248	9.0	14.0
3	郑尧军	浙江经济职业技术学院汽车技术学院	35	182	6.0	12.0
4	冯勇	浙江经济职业技术学院汽车技术学院	18	34	4.0	5.0
5	曲健	中国计量学院机电工程学院	6	67	4.0	6.0