基于GA-RBF网络的混合气体红外光谱定量检测

混合气体组分的定量分析在各个领域都尤为重要,传统的气体成分检测方法一般是采用电化学法和气相色谱法,此类方法检测效率低、精度不够,且无法做到实时测量。为解决这一问题,本文由HITRAN光谱数据库获取100组混合气体样本数据集,以样本中CO_(2)和H_(2)O组分为例,利用RBF网络分别进行定量识别。结果得知,两种气体在训练集和测试集的预测浓度值与实际浓度值偏差均较大,RBF网络无法准确地预测出混合气体组分的浓度。为改进该问题,考虑到模型参数对RBF网络回归预测精度的影响,本文在此基础上提出一种GA优化RBF网络的混合气体组分浓度检测方法。通过引入GA优化RBF网络模型参数,获取最优参数组,再将优化模型用于混合气体组分定量识别,并与RBF网络预测算法在同一数据集上对比论证,探讨模型改进效果。实验结果表明,相较于单独使用RBF网络,改进后的GA-RBF模型在混合气体组分定量识别问题中,表现更为优异。