量子电子学报

作者：沈先春,徐亮,∗,孙永丰,胡运优,金岭,杨伟锋,,徐寒扬,,刘建国,,刘文清,

单位：1 中国科学院合肥物质科学研究院安徽光学精密机械研究所环境光学与技术重点实验室, 安徽合肥230031;2 中国科学技术大学, 安徽合肥230026;3 安徽省环境光学监测技术重点实验室, 安徽合肥230031

关键词：光谱学,气体识别方法,变量选择技术,光谱分析,

基金：Supported by Key Research Project of Frontier Science of Chinese Academy of Sciences (中国科学院前沿科学重点研究项目, QYZDYSSW-DQC016), Key Research and Development Plan of Anhui Province of China (安徽省重点研究和开发计划, 1804d08020300), Special Project ofNational Natural Sc

将变量选择方法中SFS、LASSO 和Elastic Net 三种不同方法与广义交互验证准则相结合, 实现对FTIR光谱气体成分变量的初步筛选, 再采用循环迭代CLS 方法对初步筛选的变量中浓度小于0 的成分进行循环剔除, 然后根据变量在测量向量中的方向占比对选择的变量进行精选, 最终得到目标气体成分。为了验证各识别算法的识别性能, 分别进行了CH4 和SF6 外场排放实验, 两组实验结果表明建立的识别算法应用于气体目标识别的效率高、识别准确率高, 且能够识别出干扰成分H2O。此算法为被动FTIR 技术在危险气体泄露预警监测中的应用提供了方法基础。

来源：2021年第3期

《量子电子学报》期刊编辑部

查看量子电子学报杂志2021年第3期