支持向量机在混合气体定量分析中的应用

针对使用掺铥光纤激光器的气体传感系统进行混合气体测量时，吸收谱线重叠较为严重且相互交叉吸收干扰的现象造成的测量误差大、分析精度低的问题，提出一种基于自适应变异粒子群优化的支持向量机(SVM)方法，用于建立混合气体体积分数定量分析预测模型。对体积分数为0.5%～2%的氨气(NH3)和2%～5%的二氧化碳(CO₂)混合气体的吸收光谱数据进行采集和处理，利用自适应变异粒子群优化(AMPSO)算法对SVM模型参数进行寻优，利用获得的最优模型参数构建氨气和二氧化碳气体体积分数定量分析模型，并与标准粒子群优化算法和网格搜索法进行对比。实验结果表明，基于自适应粒子群优化算法建立的氨气和二氧化碳气体体积分数定量分析模型在较为合适的寻优时间下，可以得到最佳的均方误差，效率较高，该模型对测试集中氨气和二氧化碳气体体积分数设定值与预测值的均方误差分别为0.000088和0.000170，决定系数R²均为0.9998，满足混合气体检测要求。