基于核主成分分析和支持向量回歸機的紅外光譜多組分混合氣體定量分析

摘　要　提出了一種核主成分分析( KPCA) 特征提取結合支持向量回歸機(SVR) 的紅外光譜混合氣體組分定量分析新方法。首先將特征吸收譜線嚴重重疊的混合氣體光譜通過非線性變換映射到高維特征空間, 然后在特征空間中再利用主成分分析法提取主成分, 提取出的主成分作為SVR 的輸入建立校正模型, 實現了甲烷、乙烷、丙烷、異丁烷、正丁烷、異戊烷以及正戊烷七種組組分特征吸收光譜嚴重重疊的混合氣體的定量分析。用KPCA2SVR 所建模型對未知濃度混合氣體的七種組分預測的RMSE(φ×10 - 6 ) 較僅用SVR 模型預測的RMSE(φ×10 - 6 ) 降低了一個數量級。結果表明, 核主成分分析法具有很強的非線性特征提取能力,可以充分利用全光譜數據并有效地消除光譜數據噪聲, 降低數據維數, 與支持向量回歸機結合可以提高紅外光譜分析的精度, 縮短模型計算時間, 是一種有效的紅外光譜分析新方法。