公开(公告)号：CN103940767A

公开(公告)日：2014-07-23

申请号：CN201410190563.1

申请日：2014-05-07

Applicant: 重庆大学

Inventor： 冯海亮 ,  王海玲 ,  黄鸿 ,  谢吉海 ,  王应健

IPC: G01N21/31 ,  G06F19/00

Abstract: 本发明公开了一种基于多流形学习的气体浓度反演方法，1)采集光源发出的光通过不同已知浓度气体时的光谱数据；2)将采集的吸收光谱数据减去暗光谱并进行归一化处理；3)利用NPE算法对不同浓度的预处理后的数据分别进行特征提取；4)将得到的特征数据作为训练样本，并送入SVR分类器进行训练，构建反演模型；5)测试样本光谱数据采集；6)将测试样本光谱数据预处理后再进行特征提取，并将得到的特征数据送入构建好的反演模型中，反演得到待测气体浓度。本发明可以提高气体浓度反演精度，改善浓度反演算法的重复性和可移植性，尤其能够提高短光程条件下低浓度气体的反演精度，满足在线检测的精度要求。

公开(公告)号：CN103940767B

公开(公告)日：2016-01-13

申请号：CN201410190563.1

申请日：2014-05-07

Applicant: 重庆大学

Inventor： 冯海亮 ,  王海玲 ,  黄鸿 ,  谢吉海 ,  王应健

IPC: G01N21/31 ,  G06F19/00

Abstract: 本发明公开了一种基于多流形学习的气体浓度反演方法，1)采集光源发出的光通过不同已知浓度气体时的光谱数据；2)将采集的吸收光谱数据减去暗光谱并进行归一化处理；3)利用NPE算法对不同浓度的预处理后的数据分别进行特征提取；4)将得到的特征数据作为训练样本，并送入SVR分类器进行训练，构建反演模型；5)测试样本光谱数据采集；6)将测试样本光谱数据预处理后再进行特征提取，并将得到的特征数据送入构建好的反演模型中，反演得到待测气体浓度。本发明可以提高气体浓度反演精度，改善浓度反演算法的重复性和可移植性，尤其能够提高短光程条件下低浓度气体的反演精度，满足在线检测的精度要求。