欢迎来到天天文库
浏览记录
ID:52211691
大小:473.75 KB
页数:7页
时间:2020-03-25
《基于自适应变异粒子群优化的SVM在混合气体分析中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第28卷第8期传感技术学报Vo1.28No.82015年8月CHINESEJOURNALOFSENSORSANDACTUATORSAug.2015ApplicationofSupportVectorMachineBasedonAdaptiveMutationParticleSwarmOptimizationinAnalysisofGasMixtureQUJian,CHENHongyan,LIUWenzhen,ZHANGBing,LIZhibin(CollegeofMechanicalandElectricalEngineering
2、,ChinaJiliangUniversity,Han~hOH,310018,China)Abstract:ForthedifficultinselectingparameterofSVMmodeling,thedatacalculationexcessiveininfraredspectroscopy,aswellascrosstalkbetweengasesandotherissuesinthequantitativeanalysisofmixedgas.Asolution0fadaptivemutationparticles
3、warmoptimizationsupportvectormachinewasproposed.Itwastoestablishthemodelsofamulti—componentmixturegasesquantitativeanalysisbasedoninfraredspectroscopy.Multi—componentmixturegasesarecomposedofCO,withtheconcentrationrangefrom0.5%to8%;CO2,withtheconcentrationrangefrom3.6
4、%to12.5%:C3H8,withtheconcentrationrangefrom200xlO~to3270x10-6UsetheParticleswarmoptimizationalgorithmtooptimizeselecttheparametersinsuppo~vectormachinemodeling,andcomparethesupportvectormachinemodelingparametersingeneticalgorithmoptimization.Experimentsshowthatittakes
5、39.524sformodelingandittakes26.272Swithgeneticalgorithm;forthepredictresultsofCO2inindependentmodeling,thevarianceofPSOalgorithmsis0.000123758.thevarianceofgeneticalgorithmsis2.14952.Intheeaseofmodelingtimeslightlyhigher,thepredictresultsweresig—nificantlylowerthanthe
6、varianceofthegeneticalgorithm.Keywords:sensorapplication;SVM;particleswaITnoptimization;geneticalgorithms;quantitativeanalysisEEACC:7230;4145doi:10.39690.issn.1004-1699.2015.08.027基于白适应变异粒子群优化的SVM在混合气体分析中的应用曲健,陈红岩,刘文贞,张兵,李志彬(中国计量学院机电T程学院,杭州310018)摘要:针对混合气体定量分析中,支持向量机建
7、模的参数难以确定、红外光谱数据计算量过大以及气体间交叉干扰等问题。提出了一种自适应变异粒子群优化的支持向量机方法,用于建立基于红外光谱的多组分混合气体定量分析模型。混合气体主要由浓度范围在0.5%~8%的CO、3.6%~12.5%的CO:及200x10-63270x10的CH三种组分气体组成。利用粒子群优化算法对支持向量机建模中的参数进行优化选择,并与遗传算法优化的支持向量机作对比。实验表明,采用此方法建模所用时间为39.524S,遗传算法为26.272S;针对CO独立建模的预测结果,粒子群优化算法均方差为O.000123758,
8、遗传算法均方为2.14952。在建模时间略高的情况下,粒子群优化算法预测结果均方差明显低于遗传算法。关键词:传感器应用;支持向量机;粒子群优化;遗传算法;定量分析中图分类号:TH744文献标识码:A文章编号:1004-1699(2015)08—12
此文档下载收益归作者所有