资源描述：
《基于傅里叶变换红外光谱技术的多组分气体定量分析研究》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、中国科学技术大学硕士学位论文基于傅里叶变换红外光谱技术的多组分气体定量分析研究姓名：高明亮申请学位级别：硕士专业：安全技术及工程指导教师：赵建华20100501摘要摘要有毒有害气体定量分析研究对火灾现场决策和实施有效救援、火灾早期阴燃产生气体的探测、气体泄漏诊断和材料特性的研究有重要作用。当前的气体检测技术在适用范围、灵敏度、可靠性、抗干扰性、使用寿命、便捷和经济性等方面各有特点和不足。傅里叶变换光谱技术（FTIR）以其精度高、适用范围广、响应迅速、寿命长、使用方便等特点成为气体定量分析领域较为理想的
2、检测手段。搭建基于FTIR技术气体定量分析的实验系统，通过对低浓度的8组分有毒有害气体CO、CO2、NO、NO2、SO2、HCl、HBr、HCN进行检测，建立PLS回归模型。通过合理选择光谱区间，筛选样本，选择模型参数以及后期的校正，使得模型本身的相关系数达到0.99以上，校正误差均方根RMSEC达到15ppm以下。对20组样本进行预测，其预测结果偏差不超过该组分满量程的±2%F.S.。除CO2外（CO2的量程范围广），各组分的预测误差均方根RMSEP不超过20ppm。为了提高模型的可推广性和验证模型的
3、抗干扰性，将光谱数据矩阵计算范围扩展到全波段。为了关注红外光谱数据气体浓度数据之间的非线性对应关系，通过组合创新发展了的三种非线性方法：多项式偏小二乘法PPLS、偏最小二乘结合BP神经网络法PLS-BP以及最小二乘支持向量机法LS-SVR，并与两种经典线性方法：偏最小二乘PLS和经典最小二乘CLS作对比，分析了各种模型本身性能、对气体浓度预测能力以及模型难易程度。从校正均方根误差RMSEC来看，非线性模型PPLS、PLS-BP、LS-SVR模型本身性能明显高于经典线性模型CLS和PLS。其中以PLS-B
4、P模型本身的性能最佳，其每个组分的RMSEC值达到了2以下。从测定系数R2来分析校正模型对本组验证集的预测性能。在对非线性程度高、内部组分干扰性强的气体建模时，非线性模型PPLS、PLS-BP、LS-SVR模型预测性能明显高于经典线性模型CLS和PLS，对每个组分的预测测定系数R2值都能达到0.9以上。关键字：傅里叶变换红外光谱；多组分气体；定量分析；偏最小二乘；BP神经网络;支持向量机IAbstractAbstractQuantitativeanalysisoftoxicandhazardgasesi
5、sveryusefulforfirerescuing,firemonitoring,gasleakingdiagnosisandresearchingonmaterialcharacteristics.Thecurrentgasmonitoringtechnologieshasbothadvantagesanddisadvantagesonconsiderationofappliedscope,sensitivity,reliability,interferenceimmunity,servicelif
6、e,convenience,andeconomy.Withhighsensitivity,wideappliedscope,fastresponse,longlifeandconvenience,Fouriertransforminfraredspectroscopy(FTIR)waschosenastheidealtechnologyinthefieldofgasmonitoring.TheexperimentalsystemwasestablishedbyFTIR,gascompoundingequ
7、ipmentandotherdevices.Eightdifferentkindsofclassictoxicgaseswithlowconcentration,includingCO,CO2,NO,NO2,SO2,HCl,HBrandHCN,werechosenforquantitativeanalysis.Partialleastsquare(PLS)regressionmodelwasestablishedandcorrectedafterappropriatespectrumregionchoo
8、sing,datapre-treating,standardsselectingandparameterssetting.Thecorrelatedcoefficientbetweenactualconcentrationsandpredictingconcentrationsofeachcomponentishigherthan0.99,andtheroot-meanstandarderrorofcalibration(RMSEC)isl
