版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、揮發(fā)性有機(jī)化合物(VOCs)是影響人體健康的室內(nèi)環(huán)境主要污染物,是檢測人體患病的標(biāo)記物,因此VOCs的檢測研究得到了越來越廣泛的關(guān)注。常常采用傳感器陣列與神經(jīng)網(wǎng)絡(luò)結(jié)合的方法解決兩類VOCs混合氣體的識別問題即分類識別和濃度預(yù)測。傳感器陣列獲取混合氣體信息,神經(jīng)網(wǎng)絡(luò)通過分析信息得出識別結(jié)論。神經(jīng)網(wǎng)絡(luò)的分類正確率、濃度預(yù)測誤差、訓(xùn)練速度等識別性能與網(wǎng)絡(luò)的層數(shù)、每層的節(jié)點(diǎn)數(shù)和節(jié)點(diǎn)間的連接方式等網(wǎng)絡(luò)結(jié)構(gòu)的組成方面密切相關(guān)。為了提高神經(jīng)網(wǎng)絡(luò)對VO
2、Cs混合氣體的識別性能,本文從分析混合氣體的響應(yīng)互相干擾現(xiàn)象、網(wǎng)絡(luò)結(jié)構(gòu)確定方法和傳感器陣列的組建等方面展開了深入的研究。
應(yīng)用極限學(xué)習(xí)機(jī)(ELM)方法提高了使用傳感器陣列識別混合氣體的速度。極限學(xué)習(xí)機(jī)結(jié)合傳感器陣列對固定四種組分的混合氣體樣本中各組分的濃度進(jìn)行了預(yù)測。結(jié)果表明:極限學(xué)習(xí)機(jī)的訓(xùn)練時(shí)間為0.03秒,與反向傳播(BP)神經(jīng)網(wǎng)絡(luò)(14秒)和徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)(10秒)的訓(xùn)練時(shí)間相比速度分別提高了466倍和33
3、3倍。當(dāng)訓(xùn)練樣本由22個(gè)提高到91個(gè),極限學(xué)習(xí)機(jī)的訓(xùn)練時(shí)間保持不變。原因在于極限學(xué)習(xí)機(jī)的訓(xùn)練過程中大部分權(quán)值隨機(jī)生成,其它權(quán)值求解方程獲得,取代了傳統(tǒng)網(wǎng)絡(luò)學(xué)習(xí)的迭代方式,提高了速度。
從傳感器響應(yīng)機(jī)理的角度分析了乙醇、丙酮及二者的混合氣體的試驗(yàn)現(xiàn)象。傳感器對兩種單一氣體乙醇和丙酮的響應(yīng)值的代數(shù)和大于對這兩種氣體的混合氣體的響應(yīng)值。以該現(xiàn)象的分析為依據(jù),提出了將混合氣體中除目標(biāo)氣體外其余氣體一律作為一類干擾氣體,僅以目標(biāo)氣體的不
4、同濃度進(jìn)行分類的新的種類定義方法。新方法有效避免了按照不同種類、不同濃度的氣體為一種氣體的傳統(tǒng)定義方法中,由于氣體種類和濃度兩組參數(shù)同時(shí)變化所產(chǎn)生的識別種類維度過多的問題,同時(shí)解決了神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)對具體樣本的依賴性問題。利用BP神經(jīng)網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)和支持向量機(jī)(SVM)分別結(jié)合傳感器陣列對不同濃度的單成分、兩成分和四成分的混合氣體進(jìn)行分類識別。新方法成功的將氣體種類由108種降低到4種,將網(wǎng)絡(luò)輸出節(jié)點(diǎn)數(shù)由11個(gè)降低到2個(gè),2個(gè)輸出節(jié)
5、點(diǎn)的網(wǎng)絡(luò)解除了混合氣體中除目標(biāo)氣體濃度外的其它氣體成分和濃度對網(wǎng)絡(luò)結(jié)構(gòu)的限定。
依據(jù)L1正則項(xiàng)能夠促使網(wǎng)絡(luò)的部分權(quán)值趨近于零的特性,提出了確定網(wǎng)絡(luò)的隱層節(jié)點(diǎn)數(shù)量的修剪方法。綜合考慮正則項(xiàng)的數(shù)學(xué)含義、傳感器的響應(yīng)特性和傳感器陣列組成特點(diǎn),設(shè)立了網(wǎng)絡(luò)隱層節(jié)點(diǎn)修剪的規(guī)則。使用基于正則學(xué)習(xí)的修剪方法所確定的隱層節(jié)點(diǎn)數(shù)與若干窮舉的節(jié)點(diǎn)數(shù)做了實(shí)驗(yàn)數(shù)據(jù)對比,修剪方法確定的隱層節(jié)點(diǎn)數(shù)量為較優(yōu)解16個(gè),若干窮舉法確定節(jié)點(diǎn)數(shù)量為區(qū)間最優(yōu)解15個(gè)。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于BP網(wǎng)絡(luò)混合氣體濃度識別的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的混合氣體檢測系統(tǒng)研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的混合氣體測試系統(tǒng)研究.pdf
- 工業(yè)混合氣體
- 工業(yè)混合氣體
- 基于小波神經(jīng)網(wǎng)絡(luò)改進(jìn)算法的混合氣體檢測方法研究.pdf
- 混合氣體中毒個(gè)案
- 混合氣體的除雜
- 焊接用混合氣體氬
- 混合氣體平均摩爾質(zhì)量習(xí)題
- 混合氣體檢測系統(tǒng)研究.pdf
- 氬-氨混合氣體放電的模擬.pdf
- 基于RVM的混合氣體識別與濃度檢測算法研究.pdf
- 基于嵌入式芯片的無線混合氣體識別系統(tǒng).pdf
- 稠密氫氦混合氣體狀態(tài)方程研究.pdf
- 混合氣體中聲傳播的色散關(guān)系.pdf
- 人工嗅覺系統(tǒng)檢測室內(nèi)污染混合氣體的研究.pdf
- 混合氣體發(fā)射高次諧波的干涉效應(yīng).pdf
- 利用離子液體支撐液膜分離混合氣體.pdf
- 靜態(tài)手勢識別的神經(jīng)網(wǎng)絡(luò)方法研究.pdf
評論
0/150
提交評論