一种基于神经网络的混合气体体积分数预测模型

针对目前混合气体预测建模中的建模时间过长和泛化能力较差的问题,采用主成分提取(PCE)结合贝叶斯正则化神经网络法进行了改进。通过对4种常见污染气体CH4,CO,SO2,NO2的混合红外吸收光谱进行了分析,得到了各单一气体的体积分数。使用Matlab软件编程构建了网络,并优化了网络参数。结果表明:该方法使网络建模时间从4 250 s减少到8 s,但预测拟合度基本不变,达到了95.1%,优于常规的反向传播(BP)神经网络,对于大气污染多气体定量分析具有实际意义。