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

《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