摘要
本发明公开一种基于PID的水‑土‑气中VOCs浓度支持向量机回归监测模型,针对采集到的PID信号数据,对PID信号进行特征参量提取;采用主成分分析法将特征参量进行主成分提取;将用支持向量机回归进行VOCs浓度定量分析过程中的训练集和测试集进行归一化;选择高斯径向基核函数作为SVM回归的核函数,通过遗传算法寻求径向基核函数最优参数δ与最优惩罚因子C;在最优参数δ与最优惩罚因子C运用支持向量机回归方法,对不同浓度VOCs条件下的PID信号进行模型的构建,通过本发明提高分析VOCs浓度的精度,进而提高对VOCs浓度预测效果,提高VOCs的监测精度。
技术关键词
支持向量机回归
径向基核函数
染色体
特征参量
主成分分析法
时域特征
频域特征
信号
小波包去噪
频域分析法
遗传算法优化
频率
因子
生成随机数
记录本
分析方法
参数
数据
多项式
系统为您推荐了相关专利信息
污染特征
工作环境参数
测试方法
激光诱导击穿光谱
USB接口
氢气检测方法
支持向量机模型
小波分析法
Mallat算法
变压器故障检测