SVM在混合气体光谱分析中的应用

被引:6
作者
白鹏
刘君华
机构
[1] 西安交通大学电气工程学院
关键词
支持向量机; 红外光谱; 回归模型; 定性分析; 定量分析;
D O I
10.19650/j.cnki.cjsi.2006.10.016
中图分类号
O657.3 [光化学分析法(光谱分析法)];
学科分类号
摘要
针对混合气体多维光谱定性和定量分析中组分气体吸收谱线重叠、定性和定量分析无法使用同一方法、训练样本数目有限及输入光谱的维数等难题,将支持向量机应用于混合气体多维光谱分析中,利用核函数将重叠的多维光谱数据进行高维空间变换后求得SVM回归模型,可同时进行混合气体组分浓度的定量分析和组分种类的定性分析。在混合气体为天然气的组分浓度和组分种类分析实验中,组分浓度的最大误差为1.74%;组分种类的识别准确率大于94.87%,效果明显优于其他方法,为混合气体多维光谱分析提供了新的方法。
引用
收藏
页码:1242 / 1247
页数:6
相关论文
共 7 条
  • [1] 统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,
  • [2] 现代近红外光谱分析技术.[M].陆婉珍等编著;.中国石化出版社.2000,
  • [3] 支持向量机(SVM)在傅里叶变换近红外光谱分析中的应用研究
    张录达
    苏时光
    王来生
    李军会
    杨丽明
    [J]. 光谱学与光谱分析, 2005, (01) : 33 - 35
  • [4] 利用支撑向量机预报大气污染物浓度
    马晓光
    胡非
    [J]. 自然科学进展, 2004, (03) : 111 - 115
  • [5] 人工神经网络法对多组分大气污染物的同时监测
    孙秀云
    李燕
    王俊德
    [J]. 光谱学与光谱分析, 2003, (04) : 739 - 741
  • [6] 支持向量机及其他核函数算法在化学计量学中的应用
    陈念贻
    陆文聪
    叶晨洲
    李国正
    [J]. 计算机与应用化学, 2002, (06) : 691 - 696
  • [7] 主成分-人工神经网络在近红外光谱定量分析中的应用
    吉海彦
    严衍禄
    不详
    [J]. 分析测试学报 , 1999, (03) : 12 - 15