改进人工蜂群算法优化的LSSVM在混合气体定量分析中的应用

• 作者: 叶超 李成兵 毛熙皓
• 来源期刊: 工程设计学报
• 学科: 工学
• 关键词: 混合气体 定量分析 交叉敏感 改进人工蜂群算法 最小二乘支持向量机
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 优化设计
• 页码范围: 94-102
• 页数: 9页
• 分类号: TP 212
• 字数: 5467字
• 语种: 中文
• DOI: 10.3785/j.issn.1006-754X.2020.00.015

摘要

针对在易燃易爆混合气体定量分析中因交叉敏感易产生测量误差以及最小二乘支持向量机(least squares support vector machine,LSSVM)参数难以确定的问题,提出一种改进人工蜂群(improved artificial bee colony,IABC)算法优化的最小二乘支持向量机.首先,在标准人工蜂群(artificial bee colony,ABC)算法中引入自适应递减因子以更新步长,并结合轮盘赌和反向轮盘赌改进待工蜂跟随概率公式,从而提高收敛精度;然后,利用改进后的人工蜂群算法对最小二乘支持向量机的惩罚参数C和核参数σ2进行优化;最后,利用优化后的参数重建最小二乘支持向量机定量分析模型,并与利用常用的混合气体定量分析方法——粒子群优化(particle swarm optimization,PSO)算法优化的最小二乘支持向量机定量分析模型进行对比.实验结果表明,在交叉敏感状态下,采用改进人工蜂群算法优化的最小二乘支持向量机时的建模总时间和各组分气体浓度测量的平均相对误差均低于采用粒子群算法优化的,有效提高了混合气体的浓度测量精度.研究表明,改进人工蜂群算法优化的最小二乘支持向量机可为混合气体定量分析提供理论支撑,具有一定的工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李成兵	西南石油大学机电工程学院	12	93	5.0	9.0
2	毛熙皓	西南石油大学机电工程学院	2	1	1.0	1.0
3	叶超	西南石油大学机电工程学院	1	0	0.0	0.0