基于支持向量回归机的矿井气体定量分析研究

摘要：

矿井气体的定量分析对于是实现矿井安全实时检测反馈的基础.采用傅里叶变换红外光谱法获取甲烷、乙烷等5种煤矿井气体的光谱数据,并基于支持向量回归机(SVR)建立非线性回归模型,对未知样本进行定量分析.使用SVR对气体红外光谱进行定量分析时,惩罚系数和核参数的选择直接决定了算法的精度和耗时.该文分别采用网格搜索法、遗传算和及粒子群算法对SVR模型的重要参数对进行优化,并比较上述3种算法优化后的模型性能.结果表明:3种算法的回归精度基本都能达到10-4,但预测精度差异较大.其中,粒子群算法计算时间较短,最小均方差为2×10-4,能达到较高的精度,在实践中值得推广.

关键词：矿井气体、红外吸收光谱、支持向量机回归、参数优化、粒子群算法

分类号：TP181(自动化基础理论)

在线出版日期：2016-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：95-96