公开(公告)号：CN112883626A

公开(公告)日：2021-06-01

申请号：CN202110052181.2

申请日：2021-01-15

Applicant: 重庆邮电大学

Inventor： 王洁 ,  陶洋 ,  梁志芳 ,  刘翔宇 ,  曾柯伟

IPC: G06F30/25 ,  G06F30/27 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06F113/08

Abstract: 本发明提出了一种基于PSOABC‑LSTM的电子鼻混合气体浓度预测方法，该方法对数据进行归一化和延迟处理，得到预处理好的数据，利用LSTM作为基础网络结构，采用粒子群算法和人工蜂群算法进行嵌入融合，对LSTM的超参数进行迭代优化，得到电子鼻气体浓度预测模型；对气体进行浓度预测，将测试数据集输入模型，得到气体浓度的预测值。本发明的优点在于结合了粒子群算法和人工蜂群算法的优点，解决LSTM的超参数依赖于先验经验和实验误差给出的问题，提高了电子鼻对混合动态气体浓度预测的精度。

公开(公告)号：CN112541526A

公开(公告)日：2021-03-23

申请号：CN202011337154.1

申请日：2020-11-25

Applicant: 重庆邮电大学

Inventor： 王洁 ,  陶洋 ,  梁志芳 ,  刘翔宇 ,  曾柯伟

IPC: G06K9/62 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G01N33/00

Abstract: 本发明提出了一种基于PSO‑ABC‑ELM的电子鼻气体浓度预测方法，该方法先对数据进行归一化和主成分分析处理，得到降维后的主成分数据，建立极限学习机，将降维后的主成分数据作为极限学习机的输入；采用粒子群算法和人工蜂群算法进行嵌入融合，优化极限学习机的输入层与隐含层权值和隐含层阈值，得到电子鼻气体浓度预测模型；对气体进行浓度预测，将测试数据集输入模型，得到气体浓度的预测值。本发明的优点在于结合了粒子群算法和人工蜂群算法的优点，解决极限学习机输入层与隐含层权值和隐含层阈值随机给出的问题，提高了电子鼻气体浓度预测的精度。