基于深度信念网络和极限学习机的SO2浓度检测

• 作者: 兰洪勇 黄云彪 黄鸿
• 来源期刊: 大气与环境光学学报
• 学科: 地球科学
• 关键词: 气体浓度检测 SO2 差分吸收光谱技术 深度信念网络 极限学习机
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 环境光学监测技术
• 页码范围: 207-216
• 页数: 10页
• 分类号: X831
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6141.2020.03.006

摘要

使用差分吸收光谱技术(Differential optical absorption spectroscopy,DOAS)进行工业在线气体检测,在气体浓度较低时,其光谱吸收不明显,信噪比较低,通过传统方法来对工业气体浓度进行反演,预测结果难以满足工业应用具体要求.针对SO2气体的差分吸收光谱特点,采用氚灯作为光源,采集189.73～644 nm波段内的标准浓度SO2的吸收光谱高维数据,选取吸收光谱数据并进行预处理,然后利用训练集数据建立深度信念网络模型进行低维特征提取.在此基础上,利用训练数据的低维嵌入特征构建极限学习机反演模型,实现SO2气体浓度计算,并对该模型进行了有效性测试,从而得到一种更加精确的SO2气体浓度在线检测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄鸿	重庆大学光电技术及系统教育部重点实验室	73	422	11.0	15.0
2	兰洪勇	重庆大学光电技术及系统教育部重点实验室	1	0	0.0	0.0
3	黄云彪	重庆川仪自动化股份有限公司技术中心	11	15	3.0	3.0