摘要
本发明公开了一种基于拉曼光谱和Blending模型的SO2检测方法,包括以下步骤:通过实验室设备实验获取SO2气体的拉曼光谱数据集;对采集到的光谱数据集按7:2:1的比例划分为训练集、验证集和测试集;对数据集的拉曼光谱数据进行预处理;对预处理后的数据进行生成对抗网络(WGAN‑GP)算法的特征提取操作;构建拉曼光谱的Blending回归预测模型;利用蜘蛛蜂优化算法优化Blending模型中元学习器LightGBM的参数;输入测试集数据对模型进行测试;本项发明利用拉曼光谱技术提出了一种基于拉曼光谱的有色金属冶炼过程烟气SO2检测方法,该方法实现了对烟气SO2浓度的准确检测,可以实时监测和记录冶炼烟气中SO2的浓度,为冶炼过程的优化提供重要依据。
技术关键词
学习器
生成对抗网络
回归预测模型
数据
LightGBM模型
定量分析模型
拉曼光谱技术
构建预测模型
训练集
K近邻算法
烟气
实验室设备
机器学习算法
支持向量机
滤波算法
标签
噪声
超参数
系统为您推荐了相关专利信息
核素识别方法
RNN模型
希尔伯特曲线变换
识别模型训练
门控循环单元
行文风格
写作辅助方法
文本处理算法
数据
关键词
抗硫酸盐侵蚀
再生混凝土
性能预测模型
粉煤灰掺量
数据分析模块