基于变量选择技术的FTIR光谱识别算法研究

O433.4; 将变量选择方法中SFS、LASSO和Elastic Net三种不同方法与广义交互验证准则相结合,实现对FTIR光谱气体成分变量的初步筛选,再采用循环迭代CLS方法对初步筛选的变量中浓度小于0的成分进行循环剔除,然后根据变量在测量向量中的方向占比对选择的变量进行精选,最终得到目标气体成分.为了验证各识别算法的识别性能,分别进行了CH4和SF6外场排放实验,两组实验结果表明建立的识别算法应用于气体目标识别的效率高、识别准确率高,且能够识别出干扰成分H2 O.此算法为被动FTIR技术在危险气体泄露预警监测中的应用提供了方法基础....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	量子电子学报 2021, Vol.38 (3), p.281-289
Hauptverfasser:	沈先春, 徐亮, 孙永丰, 胡运优, 金岭, 杨伟锋, 徐寒扬, 刘建国, 刘文清
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	O433.4; 将变量选择方法中SFS、LASSO和Elastic Net三种不同方法与广义交互验证准则相结合,实现对FTIR光谱气体成分变量的初步筛选,再采用循环迭代CLS方法对初步筛选的变量中浓度小于0的成分进行循环剔除,然后根据变量在测量向量中的方向占比对选择的变量进行精选,最终得到目标气体成分.为了验证各识别算法的识别性能,分别进行了CH4和SF6外场排放实验,两组实验结果表明建立的识别算法应用于气体目标识别的效率高、识别准确率高,且能够识别出干扰成分H2 O.此算法为被动FTIR技术在危险气体泄露预警监测中的应用提供了方法基础.
ISSN:	1007-5461
DOI:	10.3969/j.issn.1007-5461.2021.03.003