基于ABC-PSO的ε-SVM在甲烷测量中的应用

摘要：

针对红外甲烷传感器在工业现场测量时易受到温度、湿度以及类似气体等非目标变量的影响,提出了一种基于人工蜂群和粒子群混合优化算法(ABC-PSO)的支持向量机模型(ABC-PSO-ε-SVM)对其进行校正.将ABC算法与PSO算法并行组合构成混合优化算法,能够感知非目标变量的变化,快速、准确地搜索到SVM参数.实验中,采用红外甲烷传感器对0％～5.05％浓度的16组标准甲烷气体进行测量,将其中11组数据作为训练集,5组数据作为测试集,建立e-SVM回归校正模型并进行预测.结果表明:模型的回归拟合效果好,预测精度比单一优化算法的SVM模型高.

关键词：红外甲烷传感器、人工蜂群算法、粒子群算法、混合优化算法、支持向量机

所属期刊栏目：36

分类号：TP274(自动化技术及设备)

资助基金：浙江省大学生科技创新活动计划暨新苗人才计划资助项目2016R409

在线出版日期：2017-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：154-156,160