[发明专利]一种基于粒子群优化-支持向量机的NOx测量方法

权利要求书

1.一种基于粒子群优化-支持向量机的NOx测量方法，其特征在于：该方法包括以下步骤：

S1：利用PSO-SVM算法建立对温度及压强不敏感的NOx浓度预测模型；

S2：将待测NO_x通入光程为L的光谱检测室，以氙灯为光源对其进行紫外光谱检测，根据浓度预测模型，光谱测量波段范围为202nm～228nm，记录测量波段内的入射光谱I₀(λ)，并获取待测气体吸收光谱I(λ)，记录当前光程池中温度T及压强P；

利用高阶多项式拟合算法得到吸收光谱I(λ)的低频部分I'(λ)，计算NO_x气体在测量波段内差分吸光度

将整个测量波段内的I(λ),OD(λ),T,P放入NOx浓度预测模型中，得到待测浓度值C；

所述S1具体为：

S11：构建光谱数据集：

光谱测量波段范围为202nm-228nm；

根据实际室外气温情况设定气体测量环境温度范围：

T＝[253.13k，258.13k，263.13k，268.13k，273.13k，278.13k，283.13k，288.13k，293.13k，298.13k，303.13k，308.13k，313.13k，318.13k，323.13k]；

环境压强范围：

P＝[0.9Pa,0.95pa,1pa,1.05pa,1.1pa]；

对设定的温度及压强进行逐一组合，得到75种环境条件E₁,E₂,...E₇₅，在选定的一种环境条件E_s下，s＝1,2,...,75，配置N个气体浓度C₁,C₂,...,C_N，对每个浓度C_i均进行K次测试，i＝1,2,...,N通过实验，得到C_i对应的特征数据集：Mat_ij，j＝1,2,...K；

Mat_ij＝[Mat_Iij,Mat_ODij,E_s]^T

其中，Mat_Iij＝[I_ij(λ₁),I_ij(λ₂),...,I_ij(λ_n)]，Mat_ODij＝[OD_ij(λ₁),OD_ij(λ₂),...,OD_ij(λ_n)]；

S12：利用数据集训练得到模型

对于每个已知浓度C_i，其对应的特征数据集Mat_ij由S11得到，将Mat_ij作为训练参数，C_i作为训练结果，利用基于粒子群优化的支持向量机PSO-SVM算法进行训练，得到适用于浓度预测的最佳模型参数，建立基于PSO-SVM的NO_x浓度预测模型。