基于粗糙集核优化的支持向量机在多组分污染气体定量分析中的研究和应用.pdfVIP

第30卷，第12期 光谱学与光谱分析 20l and December，2010 0年l2月 SpectroscopySpectralAnalysis 基于粗糙集核优化的支持向量机在多组分污染 气体定量分析中的研究与应用 晓1’2，田二明1’2，王志斌1’2，刘智超2 陈媛媛h2，张记龙1’2，李 1．中北大学电子测试技术国家重点实验审，山西太原030051 2．中北大学山西省光电信息与仪器工程技术研究中心，山西太原030051 摘要研究基于粗糙集核优化的支持向量机(RS-SVM)在红外光谱定量中的应用。通过粗糙集分类的方 法对多组分污染气体红外光谱对应的特征波长段进行核函数初始数据的优化，再将优化后的核函数带入支 持向量机，从而将二维混合光谱信息投影到高维空间，再进行单种气体浓度的反演运算。通过采用LS-SVM 和PCA-SVM两种典型的光谱数据处理算法作对比，对五种混合气体各组分定馈分析进行比较。当光谱可 分度高时，三种方法的预测值都接近标准值，平均误差接近于0．13；而当光谱町分度低时，RS-SVM的预测 值比前两种更精确，且当待测种类越多时，该方法精度和运算时问的优势越显著。 关键词光谱学；粗糙集；支持向肇机；多组分污染气体；定量分析 中图分类号：0433．1文献标识码：A DOI：10．3964／j．issrL1000-0593(2010)12—3384—04 持向量机等，但这个方法常常只能考虑单变镀的回门，从而 引 言 失去r多组分定量的优势。 粗糙集[12．t31是针对模糊知识进行分类的一种方法，足根 随着城市人口的密集、车辆的增多，环境问题Fj益恶 据待测数据属性的上、下近似及边界区实现的，不需要大量 化，空气污染成为评价牛存环境优劣的重要指标，研究多组 的前期学习，只要预先讣算设定粗糙度、逼近条件等就可以 分污染气体监测技术具有实际意义[1’2]。多组分污染气体的很好地实现模糊概念的分类。对于单一气体检测时，特征波 红外光谱分析在工业废气、汽车尾气、垃圾燃烧废气等监测 长的选择是确定的，而对于未知浓度的混合气体特征波长的 领域具有广泛的应用价值。红外光谱技术[3“]具有反应快、 选择足受其他气体吸收波长影响的，所以在混合气体检测中 操作方便、可多组分定量等优点，用于混合气体红外光谱检 采用非单一变量回归的方法更合理。 由于环境监测过程中混合气体各成分的浓度足随意的。 测的主要方法有主成分分析法[5](PCA)、偏最小二乘法[6’7] 所以为了精确计算各组分浓度常常需要大照数据作为训练样 (PLS)，人工神经网络法[8’9](ANN)、支持向量机Llo．¨3 本。但实际过程中无法提供海鲢的数据样本，所以为了住有 (svM)等。 限样本的基础I：提高检测精度就需要优化算法。本文采用以 支持向量机是由核函数将低维窄问的待测数据映射到高 模糊分类为基础的数据挖掘方法(粗糙集分类)埘选择相埘好 维空间的一种机器学习方法。由于在低维夺间中多种信息相 区分的特征波长这个模糊概念进行特征归类，避免了海量样 互重叠、交叉，不利于将各种信息提取出来，所以采用将其