基于ftir污染气体预处理与神经网络模式识别地研究

《基于ftir污染气体预处理与神经网络模式识别地研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、图书分类号O657.33密级非密UDC注1____________________________________________________________硕士学位论文基于FTIR的污染气体预处理与神经网络模式识别研究闫丹指导教师(姓名、职称)张记龙教授申请学位级别工学硕士专业名称信号与信息处理论文提交日期年月日论文答辩日期年月日学位授予日期年月日论文评阅人___________________________________________________________答辩委员会主席_______________________2012年6月5日原创性声明本人郑重声明：所呈交的学位

2、论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用权的说明本人完全了解中北大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存学位论文；③学校可允许学位论文被查阅或借阅；④学校可以学术交流为目的，复制赠送和交换学位论文；⑤学校可以公布学位论文的全部或部分内容（保密学位论文在解密后遵守

3、此规定）。签名：日期：导师签名：日期：中北大学学位论文基于FTIR的污染气体预处理与神经网络模式识别研究摘要随着大气污染问题的加剧，环境问题越来越受到人们的关注，快速、准确地预测出大气污染气体，对环境保护有着巨大的作用。傅里叶变换红外光谱技术以测量迅速，分辨率高，测量精度高等优点，在气体检测领域得到越来越广泛的应用。本文从傅里叶变换红外光谱技术的应用和傅里叶变换红外光谱仪的优点出发，分析了光谱数据预处理和模式识别的国内外研究现状，搭建了红外光谱数据采集系统，并对CO、NO2和NO三组分混合气体进行建模分析。通过质量流量控制器精密控制三种气体进行不同比例的混合，并通过傅里叶变换红外光谱仪采集大

4、量的数据样本。针对红外光谱数据易受噪声的影响和呈现复杂非线性关系，选择小波去噪和神经网络进行建模，并对两种方法进行改进，能够有效的预测出光谱的成分组成。首先对采集到的红外光谱数据进行预处理，用改进小波去噪方法消除高频噪声，之后选择主成分分析对样本的波段进行降维，降维之后只用三个主成份就可以完全覆盖原样本数据的99%的信息量，减少了运算时间和计算量。使用四种典型神经网络和优化后的神经网络对样本数据进行模式识别建模，并用预测样本数据对所建立的模型进行验证分析，分析结果表明优化后的神经网络的分类精度达到97.78%，均方误差为0.0222，相比四种典型神经网络模型，优化后的神经网络模型分类精度更好

5、。关键词：傅里叶变换红外光谱技术，小波去噪，模式识别，人工神经网络中北大学学位论文ResearchonpretreatmentandneuralnetworkpatternrecognitionofpollutantgasonFTIRAbstractWiththeaggravationofairpollution,environmentalproblemsareincreasinglyconcerned.Itplaysaenormousroleintheenvironmentalprotectiontopredictpollutantgasquicklyandaccurately.Fouri

6、ertransforminfrared(FTIR)spectroscopytechnologyhasbeenmorewidelyusedinthefieldofgasdetectionbecauseofitsrapidmeasurement,highresolutionandhighmeasuringaccuracy.ThepaperstartsfromtheapplicationandtheadvantageofFTIRspectrometertoanalyzetheresearchstatusofthepretreatmentofspectraldataandpatternrecogni

7、tionathomeandabroad.Onthesebases,theinfraredspectralacquisitionsystemisdesigned.AndthenthreetypesofmixedgasCO,NO2andNOarechosentobeanalyzedinthesystem.Threegasesaremixedatadifferentratiobythemassflowcontrol