基于核主成分分析和支持向量回归机的红外光谱多组分混合气体定量分析

摘　要　提出了一种核主成分分析( KPCA) 特征提取结合支持向量回归机(SVR) 的红外光谱混合气体组分定量分析新方法。首先将特征吸收谱线严重重叠的混合气体光谱通过非线性变换映射到高维特征空间, 然后在特征空间中再利用主成分分析法提取主成分, 提取出的主成分作为SVR 的输入建立校正模型, 实现了甲烷、乙烷、丙烷、异丁烷、正丁烷、异戊烷以及正戊烷七种组组分特征吸收光谱严重重叠的混合气体的定量分析。用KPCA2SVR 所建模型对未知浓度混合气体的七种组分预测的RMSE(φ×10 - 6 ) 较仅用SVR 模型预测的RMSE(φ×10 - 6 ) 降低了一个数量级。结果表明, 核主成分分析法具有很强的非线性特征提取能力,可以充分利用全光谱数据并有效地消除光谱数据噪声, 降低数据维数, 与支持向量回归机结合可以提高红外光谱分析的精度, 缩短模型计算时间, 是一种有效的红外光谱分析新方法。