鲍 立， 陈红岩， 郭晶晶

(中国计量大学 机电工程学院，浙江 杭州 310018)



应用技术

基于ABC-PSO的ε-SVM在甲烷测量中的应用*

鲍 立， 陈红岩， 郭晶晶

(中国计量大学 机电工程学院，浙江 杭州 310018)

针对红外甲烷传感器在工业现场测量时易受到温度、湿度以及类似气体等非目标变量的影响，提出了一种基于人工蜂群和粒子群混合优化算法(ABC-PSO)的支持向量机模型(ABC-PSO-ε-SVM)对其进行校正。将ABC算法与PSO算法并行组合构成混合优化算法，能够感知非目标变量的变化，快速、准确地搜索到SVM参数。实验中，采用红外甲烷传感器对0 %～5.05 %浓度的16组标准甲烷气体进行测量，将其中11组数据作为训练集，5组数据作为测试集，建立ε-SVM回归校正模型并进行预测。结果表明：模型的回归拟合效果好，预测精度比单一优化算法的SVM模型高。

红外甲烷传感器； 人工蜂群算法； 粒子群算法； 混合优化算法； 支持向量机

0 引 言

目前，红外甲烷传感器[1,2]在测量性能以及精度方面均有较大的优势，然而，其测量精度仍然受到诸多因素的影响。在测量过程中，发光光源输出功率不稳定、电磁干扰、温湿度以及其他类似气体等非目标变量都会影响测量精度，造成较大的测量误差。

为了提高红外甲烷传感器的测量精度，国内外学者提出了许多种方法，如：Leis J等人[3]针对固态红外光源的光学通量易受温度影响的问题，提出了利用脉冲结电压测量发射的红外通量并引入补偿算法；李卯东等人[4]提出了改进的BP神经网络算法，克服了传统最小二乘法拟合时计算复杂、误差较大的缺点；……