基于支持向量机的红外多组分气体分析技术的研究.pdfVIP

基于支持向量机的红外多组分气体分析技术的研究 白洁刘君华 西安交通大学710049 摘要：采用红外气体传感器对烟气排放中主要气体成分(s02，c02等)进行定量检测．针对实际应用 的多传感器数据融合处理的方法，为小样本、非线性、高维数这一类混合气体交叉敏感性问题提供了一 种有效的解决途径．本文利用SMV对两组份混合气体S02，C02进行浓度检测，实验结果表明，该方 法能有效的降低混合气体之间的交叉灵敏度，提高传感器的选择性，对研制实用化烟气排放在线监浈ll装 置具有很大的实际意义． 关键词：红外气体传感器支持向量机气体分析数据融合 1．引言 现代大工业迅速发展，人类排进空气的污染物远远超过了大气的自净能力，致使全国大气都遭到不同程 J。对燃 度的污染。其中燃煤产生的s02占到总排放量的90％以上，所以S02就成为大气监控的重点对象11 煤烟气污染的分析方法主要有：热导法、紫外吸收法和红外吸收法等。其中红外吸收法以其测量范围宽，性 能指标优越，重复性好等特点最为引人注目，是当前的研究热点之一。 但红外气体分析在解决混合气体交叉敏感问题方面能力有限。本文提出了利用支持向量机法(SVM)测定 红外多组分气体浓度的方法，实现了烟气排放中各主要气体成分的定量测量。SMV法是90年代中期 的推广能力等方面有较强的适应能力。SVM最初用来解决模式识别问题，随着Vapnik的e不敏感系数的引 进，SVM已经扩展为解决非线性回归估计问题，且与神经网络方法相比有显著的优越性。 2．SMV基础 2．1用于的SMV函数拟合【3一l 基于结构风险最小化准则(SI㈣构造的SMV的方法，最早是针对模式识别问题提出的，Vapnik引入e 不敏感损失函数，将其推广到非线性回归估计中并且表现出很好的学习效果。下面简要介绍一下用于回归估 计的SVM的方法。 输入值，且为一d维列向量而=l茸##l。，只∈R的问题。并假设所有训练数据在精度e(不敏感损失函数) 下用线性函数拟合，即 一 曲 ￡ i=1，…，”． ”w X 而6 Ⅵ菇≤ 以 ，●●●J、●L 一 优化目标是最小化丢8硎2．统计学理论指出，在这一优化目标下可取得较好的推广能力。如果考虑到允 许拟合误差的情况，引入松弛因子毒≥o,fa等≥0，则条件式(1)变成 一 Z山 占 + 乃w 嗜 6 ＼n＼n 占 + r●●，‘●●L 肌+- 啮 岛茧 优化目标是最小化丢8w珏2+c喜(茧+爵)，其中常数c。，c表示了对超出误差e的样本的惩罚程度。采 436 用优化方法可以得到其对偶问题。在条件 ’“”、’’叶、。，‘一1’’“’ 厶”1∑(岛一L一。i’、一--nv，且o≤q，茸≤c，江l，一，托． i=1 下，对Lagrange因子q，西最大化目标函数 (4) 矽(q，西)=一占∑(％+西)+∑”(西一％)一去∑(西一够)(嘭-aj)(X，·一_) 扭I 1=1 ‘i．／=t 得回归函数为 月 厂(刁=(W’力+6=∑(1墨+茸)如+z)+6’ (5)