一种基于神经网络的混合气体体积分数预测模型.pdf

《一种基于神经网络的混合气体体积分数预测模型.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、2011年第30卷第3期传感器与微系统(TransducerandMicrosystemTechnologies)67一种基于神经网络的混合气体体积分数预测模型王智文，张记龙一，王志斌，陈媛媛(1．中北大学仪器科学与动态测试教育部重点实验室，山西太原030051；2．山西省光电信息与仪器工程技术研究中心，山西太原030051)摘要：针对目前混合气体预测建模中的建模时间过长和泛化能力较差的问题，采用主成分提取(PCE)结合贝叶斯正则化神经网络法进行了改进。通过对4种常见污染气体CH，CO，SO，NO。的混合红外吸收光谱进行

2、了分析，得到了各单一气体的体积分数。使用Matlab软件编程构建了网络，并优化了网络参数。结果表明：该方法使网络建模时间从4250S减少到8S，但预测拟合度基本不变，达到了95．1％，优于常规的反向传播(BP)神经网络，对于大气污染多气体定量分析具有实际意义。关键词：多气体定量分析；红外吸收；主成分提取；贝叶斯正则化神经网络中图分类号：O657．33文献标识码：A文章编号：1000-9787(2011)03-0067-03A‘pred一i‘cti‘onm0d1e●l0I●●vo’lumet0‘ract‘0ionor‘·m

3、0ixen■gasbased0nneuralnetworkWANGZhi．wen，ZHANGJi—long，，WANGZhi—bin'，CHENYuan—yuan(1．KeyLaboratoryofInstrumentationScience&DynamicMeasurementofMinistryofEducation，NorthUniversityofChina，Taiyuan030051，China；2．Opto-ElectronicInformationandInstrumentEngineeringTechno

4、logyResearchCenterofShan~Province，Taiyuan03oo51，China)Abstract：Aimedattheproblemsoftoolongmodelingtimeandpoorgeneralizationinpredictionmodelingofmixedgas，principalcomponentextraction(PCE)combinedwithBayesianregularizationneuralnetworkmethodisused．Themixedinfrared

5、absorptionspectrumoffourcommonpollutedgasesCH4，CO，SO2andNO2isanalyzed，andeachsinglegasvolumefractionisobtainedrespectively．ThenetworkisconstructedbyprogrammingwithMatlabsoftware，andthenetworkparametersareoptimized．Theresultshowsthatthemodelingtimeofthenetworkredu

6、cesfrom4250Sto8S．butthepredictiongoodnessoffittingkeepsmostlyunchangeable，reachingto95．1％．Comparedtoconventionalback—propagation(BP)neuralnetwork，themethodhasbetterpredictioneffectandpracticalsignificanceinquantitativeanalysisofmixedgasinairpollution．Keywords：qua

7、ntitativeanalysisofmixedgas；infraredabsorption；principalcomponentextraction(PCE)；Bayesianregularizationneuralnetwork0引言BP神经网络是一种反向传递并修正误差的多层映射有害气体的排放是大气污染的主要原因之一，它们的网络结构，具有良好的非线性逼近能力，是目前应用最广泛主要来源是燃料的燃烧和工业生产过程，对人类的身心健的未知物定量预测模型之一。但是，红外光谱的数据量康和整个生态平衡都有巨大的破坏。有害气体的体积

8、分数往往成百上千，会使得网络规模和训练时间大大增加。另越高，造成的危害越大，因此，对它们的监测和控制具有重一方面，对于多变量输出的网络模型，常规BP算法更容易大的意义。由于不同的气体在红外波段具有不同的吸收光出现过拟合和较差的泛化能力J。因此，本文利用主成分谱，因此，基于LambertBeer定律可以找出其与体积分数