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
Application of Support Vector Machine Based on Adaptive Mutation Particle Swarm Optimization in Analysis of Gas Mixture作者机构:中国计量学院机电工程学院杭州310018
出 版 物:《传感技术学报》 (Chinese Journal of Sensors and Actuators)
年 卷 期:2015年第28卷第8期
页 面:1262-1268页
核心收录:
学科分类:0808[工学-电气工程] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 0802[工学-机械工程] 0803[工学-光学工程] 0811[工学-控制科学与工程]
主 题:传感器应用 支持向量机 粒子群优化 遗传算法 定量分析
摘 要:针对混合气体定量分析中,支持向量机建模的参数难以确定、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CO2及200×10-6-3270×10-6的C3H8三种组分气体组成。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39.524 s,遗传算法为26.272 s;针对CO2独立建模的预测结果,粒子群优化算法均方差为0.000 123 758,遗传算法均方差为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。