位置:成果数据库 > 期刊 > 期刊详情页
层次式SVM子集含烃类混合气体光谱分析方法
  • ISSN号:1000-0593
  • 期刊名称:光谱学与光谱分析
  • 时间:0
  • 页码:299-302
  • 语言:中文
  • 分类:TE642[石油与天然气工程—油气加工工程] TH744.4[机械工程—光学工程;机械工程—仪器科学与技术;机械工程—精密仪器及机械]
  • 作者机构:[1]空军工程大学理学院,陕西西安710051, [2]西安交通大学电气工程学院,陕西西安710049, [3]空军工程大学工程学院,陕西西安710038
  • 相关基金:国家自然科学基金项目(60772016)和陕西省科技计划资助项目(2007K05-05)资助
  • 相关项目:基于多波长窄带光谱扫描技术的全光纤混合气体定量检测系统的研究
中文摘要:

含烃类混合气体具有组分多、组分浓度范围大的特点。为了解决海量混合气体光谱数据样本实际上是无法实现的难题,在大量调查的基础上,研究探索了实际工程中可能出现的混合气体分布模式,最后确定为15种混合气体分布子模式,共计5500个光谱数据样本用于训练与检验。在此基础上,按照混合气体分布子模式识别→混合气体分析→结果输出的思路,提出了2层15子集的含烃类混合气体分析方法。多层次多子集软件集成框架以15种混合气体分布子模式为基本框架,由于应用了基于样本关联规则及混合气体分布模式中心集的SVM快速在线分类方法,可向原基本框架在线实时的加入新的混合气体分布子模式。实验结果显示,混合气体组分浓度分析的最大绝对误差为0.41%,最大平均绝对误差为0.04%。可用于其他混合气体的红外光谱分析,具有实际应用价值。

英文摘要:

The hydrocarbon mixed gas was characterized by multi-component and varied density. In order to deal with the difficulties that can not be actually solved with mass mixture gas spectrum data samples, 15 kinds of subset patterns were determined on the basis of investigations and studies, which needed 5 500 spectrum data samples for training and testing. On the basis of this, a method of hydrocarbon mixed gas infrared spectrum analysis based on 2-levels and 15 SVM-subsets was proposed in the light of the idea of working pattern recognition→mixture gas analysis→the final result output. In order to solve the problem of new subset working pattern, the SVM online categorization algorithm based on spectrum data relal;ional rule was used. The experimental results show that the component concentration maximal deviation is 0. 41% and the maximal average deviation is 0. 04%. The method can be used in other mixture gas infrared spectrum analyses, and has the theoretic and application value.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《光谱学与光谱分析》
  • 中国科技核心期刊
  • 主管单位:中国科学技术协会
  • 主办单位:中国光学学会
  • 主编:高松
  • 地址:北京海淀区魏公村学院南路76号
  • 邮编:100081
  • 邮箱:chngpxygpfx@vip.sina.com
  • 电话:010-62181070
  • 国际标准刊号:ISSN:1000-0593
  • 国内统一刊号:ISSN:11-2200/O4
  • 邮发代号:82-68
  • 获奖情况:
  • 1992年北京出版局编辑质量奖,1996年中国科协优秀科技期刊奖,1997-2000获中国科协择优支持基础性高科技学术期刊奖
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),荷兰文摘与引文数据库,美国工程索引,美国生物医学检索系统,美国科学引文索引(扩展库),英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),英国英国皇家化学学会文摘,中国北大核心期刊(2000版)
  • 被引量:40642