[发明专利]气体红外光谱分析支持向量机校正模型方法的流程

说明书

技术领域

本发明涉及一种对气体组分浓度进行红外光谱分析支持向量机校正模型方法的流程，具体的说是通过建立气体红外光谱数据样本；红外光谱数据预处理；支持向量机校正模型的训练与检验等过程，利用已经训练和检验过的支持向量机校正模型，对输入的气体红外光谱数据样本进行分析计算，得出气体组分浓度方法的流程。

背景技术

气体红外光谱分析的方法有多种，传统的气体红外光谱分析方法主要有曲线拟合法、K矩阵法、P矩阵法、多元线性回归法、最小二乘法、偏最小二乘回归等。

上述方法对于气体组分气体吸收谱线不重叠、组分少的气体分析效果较好；但在处理含烃类等气体组分气体特征吸收谱线重叠严重的气体时，上述方法不能有效的进行分析。

同时，由于实际标定时难以制作海量的标定数据样本。例如，某气体的组分为5种，每种组分气体的浓度为0％-100％，如果每种组分气体浓度按1％的间隔标定100个点，则5组分气体需100⁵个标定数据样本。实际工作中，存在构造数量多且分布合理的气体样本是不容易实现的缺陷。

发明内容

本发明的目的在于提供一种具有流程简单、节省时间、使用方便的气体红外光谱分析支持向量机校正模型方法的流程。

为了克服现有技术的不足，本发明的技术方案是这样解决的：本发明的特点和显著的进步在于包括以下步骤：

1)、建立气体红外光谱数据样本；包括：

①、制备已知浓度的标准样气；

②、用光谱仪对已知浓度的标准样气进行扫描，建立已知浓度的标准样气红外光谱数据样本，样本的一部分作为训练样本，另一部分作为检验样本；

2)、对光谱数据进行预处理；包括

①、对所建立的训练样本和检验样本进行数据预处理；

②、对预处理的数据进行噪声和漂移的消除；

3)、支持向量机校正模型的训练与检验流程；包括：

①使用训练样本对支持向量机校正模型进行训练，确定支持向量机的类型、核函数、惩罚因子C及损失函数ε的数值；

②、用检验样本对支持向量机校正模型进行检验，检验满足偏差要求，支持向量机校正模型有关参数被最终确定，确定参数后的支持向量机校正模型可用于实际未知气体组分浓度的分析。

所述的支持向量机校正模型在使用前要进行训练，包括：

(1)首先，确定支持向量机校正模型参数，包括支持向量机类型、核函数、惩罚因子C及损失函数ε的数值；

(2)其次，用一部分已知浓度的标准样气红外光谱数据样本对支持向量机校正模型进行训练，确定支持向量机类型、核函数、惩罚因子C及损失函数ε的数值；

(3)训练时，已知浓度的气体红外光谱数据样本作为支持向量机校正模型的输入，输出为气体组分浓度；

(4)、当输出的气体组分浓度与已知的气体组分浓度的偏差满足要求时，训练结束；

(5)、当输出的气体组分浓度与已知的气体组分浓度的偏差不满足要求时，进行误差计算分析；

(6)、根据误差计算分析结果，调整支持向量机校正模型参数；

(7)、将调整后的参数应用于支持向量机校正模型中，再次重复上述(3)、(4)的训练。

所述的支持向量机校正模型在使用前要进行检验，包括：

(1)、用另一部分已知浓度的标准样气红外光谱数据样本对支持向量机校正模型的参数进行检验，首先，检验是否满足偏差要求，若满足偏差要求，支持向量机校正模型有关参数被最终确定，确定参数后的支持向量机校正模型可用于实际未知气体组分浓度的分析；

(2)、若不满足偏差要求，需要重新调整支持向量机校正模型有关参数，重新对支持向量机校正模型进行检验，如果满足偏差要求，可用于实际未知气体组分浓度的分析。

本发明与现有的分析方法的流程相比，由于采用了支持向量机校正模型，流程具有简单，节省时间，使用方便的特点。

应用本发明所述流程分析5组分气体组分浓度的时间小于10秒，分析的精度小于1％。

附图说明

图1为本发明所述流程原理示意图。

图2为本发明所述支持向量机校正模型训练流程图。

图3为本发明所述支持向量机校正模型检验流程图。

具体实施方式

附图为本发明的一个实施例。

下面结合附图和实施例，对本发明内容作进一步的详细说明，但本发明不限于这个实例。