[发明专利]基于支持向量机校正模型的混合气体组分浓度红外光谱分析方法

说明书

技术领域

本发明涉及一种对混合气体组分浓度的分析方法，具体的说是利用支持向量机校正模型，对混合气体的红外光谱数据样本进行分析，得出混合气体组分浓度的方法。

背景技术

混合气体红外光谱分析方法与相应的模型、方法密切相关。传统的混合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、经典最小二乘法、偏最小二乘回归等。上述的方法，对于混合气体组分气体吸收谱线不重叠、组分少的混合气体分析效果较好；但在处理混合气体组分气体特征吸收谱线重叠严重的混合气体时，例如含烃类混合气体，上述方法不能有效的进行分析。

由于实际应用的混合气体往往具有组分多、组分浓度范围大的特点，实际标定时难以制作海量的标定数据样本。例如，某混合气体的组分为7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7组分混合气体需100⁷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混合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采用层次式的支持向量机校正模型结构，分析方法简单，节省时间，使用方便的混合气体组分浓度红外光谱分析方法。

为了解决混合气体组分气体特征吸收谱线重叠严重、海量标定数据样本无法制作的难题，本发明的技术解决方案是这样实现的：将支持向量机校正模型用于应用于混合气体组分浓度红外光谱分析方法中，本发明突出的实质性特点和显著的进步在于所述的分析方法包括一个混合气体分布模式识别层和一个混合气体分析结果输出层；

所述混合气体分布模式识别层，还包括将混合气体红外光谱数据样本数据发送到混合气体分布子模式识别及分类计算；

所述混合气体分析结果输出层，还包括将混合气体分布子模式识别及分类计算结果发送到至少由两个模型组成的支持向量机校正模型，由支持向量机校正模型完成混合气体组分气体浓度的分析。

本发明与现有的分析方法相比，由于采用层次式的支持向量机校正模型结构，具有分析方法简单，节省时间，使用方便的特点。本发明利用SVM的结构风险最小化准则(Structural Risk Minimization，SRM)和核函数映射解决混合气体组分气体特征吸收谱线重叠严重的问题；利用SVM处理小样本的特性和泛化能力解决海量混合气体标定数据样本无法实现的难题。

本发明分析8组分混合气体组分浓度的时间小于12秒，分析的精度小于1％。

附图说明

图1为本发明结构原理示意图；

图2为甲烷、乙烷、丙烷3组分混合气体红外光谱波数波形图。

具体实施方式

附图为本发明的其中一个实施例。

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。

图1所示，基于支持向量机校正模型的混合气体组分浓度红外光谱分析方法，所述的分析方法包括一个混合气体分布模式识别层和一个混合气体分析结果输出层；

所述混合气体分布模式识别层，包括混合气体红外光谱数据样本和完成混合气体分布模式识别的支持向量机分类算法；

所述混合气体分析结果输出层，包括至少两个以上的的支持向量机校正模型，支持向量机校正模型完成混合气体组分气体浓度的分析。

所述混合气体分布模式识别层对输入的红外光谱数据样本进行混合气体分布模式识别。

混合气体分析结果输出层根据该红外光谱数据样本所属的混合气体分布模式，分配给相应的支持向量机校正模型，支持向量机校正模型完成混合气体组分气体浓度的分析。

混合气体分布模式识别层由支持向量机分类算法完成混合气体分布模式的识别，输入为红外光谱数据样本，输出为该红外光谱数据样本所属的混合气体分布模式。

混合气体分析结果输出层由至少两个支持向量校正模型组成，完成混合气体浓度的分析计算，输入为已知混合气体分布模式的红外光谱数据样本，经过支持向量机校正模型计算，输出为该红外光谱数据样本所对应的混合气体组分浓度。

所述红外光谱数据样本是根据该红外光谱数据样本所属的混合气体分布模式分配给相应的支持向量机校正模型，支持向量机校正模型按照事先获得的混合气体红外光谱数据样本作为训练样本，经过训练后完成混合气体组分浓度的分析任务。

所述红外光谱数据样本是用立叶变换红外光谱仪对已知浓度与分布模式的标准样气进行扫描，建立具已知浓度与分布模式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。