SVR在紅外瓦斯檢測(cè)技術(shù)中的應(yīng)用研究.pdf

1、瓦斯?jié)舛鹊臏?zhǔn)確檢測(cè)對(duì)人們的生活和工業(yè)生產(chǎn)具有重要意義。相比傳統(tǒng)的檢測(cè)方法，紅外氣體檢測(cè)技術(shù)因其具有靈敏高、測(cè)量范圍寬、響應(yīng)迅速等優(yōu)點(diǎn)，成為氣體檢測(cè)領(lǐng)域中的研究熱點(diǎn)。然而該技術(shù)易受環(huán)境因素影響，在實(shí)際中直接使用會(huì)產(chǎn)生較大的測(cè)量誤差。雙波長(zhǎng)單光路差分吸收模型可以一定程度上消除部分誤差，但是這種補(bǔ)償能力是有限的。
　　為了提高測(cè)量精度，本文在差分吸收模型的基礎(chǔ)上，提出了基于SVR(SupportVector Regression，SVR

2、)的測(cè)量誤差預(yù)測(cè)模型。在研究SVR的相關(guān)理論過程中，發(fā)現(xiàn)SVR的回歸性能與參數(shù)值的選取緊密相關(guān)。為提高SVR的擬合效果，又提出了基于螢火蟲算法的參數(shù)選取方法，并且針對(duì)基本螢火蟲算法存在因固定步長(zhǎng)導(dǎo)致收斂速度較慢、求解精度不高的問題，引入步長(zhǎng)因子使步長(zhǎng)大小能夠自適應(yīng)調(diào)整。通過對(duì)標(biāo)準(zhǔn)函數(shù)的測(cè)試和housing數(shù)據(jù)集的回歸實(shí)驗(yàn)，驗(yàn)證了改進(jìn)方法的有效性。
　　最后，本文構(gòu)建了紅外瓦斯檢測(cè)系統(tǒng)，并在此基礎(chǔ)上應(yīng)用誤差預(yù)測(cè)模型對(duì)瓦斯?jié)舛冗M(jìn)行了檢