论文部分内容阅读
有毒有害气体定量分析研究对火灾现场决策和实施有效救援、火灾早期阴燃产生气体的探测、气体泄漏诊断和材料特性的研究有重要作用。当前的气体检测技术在适用范围、灵敏度、可靠性、抗干扰性、使用寿命、便捷和经济性等方面各有特点和不足。傅里叶变换光谱技术(FTIR)以其精度高、适用范围广、响应迅速、寿命长、使用方便等特点成为气体定量分析领域较为理想的检测手段。搭建基于FTIR技术气体定量分析的实验系统,通过对低浓度的8组分有毒有害气体CO、CO2、NO、NO2、SO2、HCl、HBr、HCN进行检测,建立PLS回归模型。通过合理选择光谱区间,筛选样本,选择模型参数以及后期的校正,使得模型本身的相关系数达到0.99以上,校正误差均方根RMSEC达到15ppm以下。对20组样本进行预测,其预测结果偏差不超过该组分满量程的±2% F.S.。除CO2外(CO2的量程范围广),各组分的预测误差均方根RMSEP不超过20ppm。为了提高模型的可推广性和验证模型的抗干扰性,将光谱数据矩阵计算范围扩展到全波段。为了关注红外光谱数据气体浓度数据之间的非线性对应关系,通过组合创新发展了的三种非线性方法:多项式偏小二乘法PPLS、偏最小二乘结合BP神经网络法PLS-BP以及最小二乘支持向量机法LS-SVR,并与两种经典线性方法:偏最小二乘PLS和经典最小二乘CLS作对比,分析了各种模型本身性能、对气体浓度预测能力以及模型难易程度。从校正均方根误差RMSEC来看,非线性模型PPLS、PLS-BP、LS-SVR模型本身性能明显高于经典线性模型CLS和PLS。其中以PLS-BP模型本身的性能最佳,其每个组分的RMSEC值达到了2以下。从测定系数R2来分析校正模型对本组验证集的预测性能。在对非线性程度高、内部组分干扰性强的气体建模时,非线性模型PPLS、PLS-BP、LS-SVR模型预测性能明显高于经典线性模型CLS和PLS,对每个组分的预测测定系数R2值都能达到0.9以上。