基于遥感FTIR技术的多组分污染气体浓度分布重构-应用化学专业论文.docxVIP

颂士论文 颂士论文 基于遥感FrIR技术的多组分污染气体浓度分布重构 摘要 遥感傅立叶变换红外光谱(Komote Sonsmg Fourier Transform Infamd Spec叻scopy，简称RS—FT限)技术由于其独特的优势，越来越广泛地应用于室内、 室外大气环境监测。本课题将人工神经网络建模与平滑基函数最小化重构算法(sBFMl 结合，应用于RS—FTIR环境监测，实现同时重构多组分气体浓度在二维空间的分布。 本课题的研究主要包含以下几个方面： 1单组分气体浓度分布重构 遥测遥感技术与计算机重构技术结合可以再现单组分气体浓度的二维空间分布。 本课题研究在实验室内进行，首先，设计发敬状实验光路，模拟污染气体发散实验， 得到RS．FTIR仪扫描的吸光度谱图；然后，编写模拟退火优化的SBFM算法(SA．SBFⅣ0 程序，重构单组分气体浓度的二维空问分布。SBFM重构结果与RS-FTIR测量的光 路积分浓度结果一致，证明了SBFM算法的可靠性；同时，通过比较多种重构模型 的重构结果，得出双高斯重构模型最符合当前测量环境和测量要求。 2 RS．FTIR谱图定性分析 RS-F1’瓜与SA-SBFM结合，只能监测单种污染气体的浓度分布，为了同时定性、 定量分析混合气体的红外遥感谱图，还需要借助有效的谱图解析方法。本论文将化学 计量学方法中的两种神经网络建模方法一感知器神经网络和反传神经网络，应用于 RS=FTIR谱图解析。 本课题研究建立感知器网络模型，将预处理后的光谱数据输入训练好的感知器网 络，定性分析混合物中可能存在的三种气体一氯仿、甲醇、二氯甲烷，定性分析的 准确率达到100％。 为了定性分析重叠更严重的五组分FIIR谱，主成分分析方法(1Winciple ComponentAnalysis，简称PCA)被用来提取光谱数据主成分，作为感知器网络的输入， 建立混合气体FTIR吸光度的一阶导数与混合气体成分的线型模型，定性分析准确率 同样100％。PCA的应用大大减少了运算时间，且网络泛化能力增强，可以准确预测 出训练集没有的混合气体类型。 3 RS-FTIR谱图定量分析 在定性分析的基础上，我们选用反向传播神经网络{Back Propagation-Artificial NeuralNetwork，简称BP—ANN)定量分析三组分混合气体(氯仿、甲醇、=氯甲烷) 备组分的含量。由于甲醇的特征吸收波长与其它两种气体无混叠，我们同时用 Lamber-Beer定律定量计算组分含量，并与ANN的预测结果进行比较，两种分析方 法结果的一致性验证了神经网络是一种有效的多组分定量分析方法。 Ⅱ 硕士论文 硕士论文 基于遥感唧技术的多组分污染气体浓度分布重构 4同时重构多组分混合气体浓度分布 本课题研究中，通过气体浓度分布重构算法和混合气体谱图解析技术的研究，我 们最终联合使用ANN化学计量技术和SA-SBFM重构技术，解析了三组分混合气体 的遥感FTIR谱图，实现了同时定性定量遥感监测大气环境中多组分污染气体浓度在 二维空间的分布的目的。 关键词：大气环境监测，遥感Frm，浓度分布重构，平滑基函数最小化算法，红外 谱图解析，人工神经网络，主成分分析 m 硕士论文 硕士论文 基于遥感F讯技术的多组分污染气体浓度分布重构 Abstract Rcmotc Sensing Fourier Transform Infrared Spectrometry(RS·FTIR),for its unique advantages，has found increasing application for indoof’outdoor air monitoring．In this research,two strategies of Artificial Neural Network(ANN)models with Smooth Basis ◆ Function Minimization(SBFM)reconstruction algorithm were combined in RS—FTIR spectra analysis，for the purpose of monitoring multi-components Volatile Organic Compounds(VOCs)concentration distribution in the two-dimensional plane．The main work is shown below： 1 Reconstruction ofsingle-component VOCs concentration dbtdbufion