区间极限学习机在气体FTIR光谱浓度反演中的应用研究

为准确反演气体浓度，节约建模时间，提出了基于区间极限学习机(ELM)定量分析模型的傅里叶变换红外(FTIR)光谱分析技术。该方法基于区间划分思想，将整个光谱范围划分为若干个子区间，利用ELM分别建立各个子区间的定量分析模型，并根据各个子区间模型的决定系数大小评价其泛化性能，进而筛选出最具代表性的子区间组合。基于上述方法，对NO与NO2气体的红外光谱进行波长筛选，并利用筛选后的特征波长点光谱建立定量分析模型。实验结果表明，NO气体测试集的决定系数R2为0.9999，NO2气体测试集的决定系数R2为0.9997。与区间偏最小二乘法相比，利用区间ELM方法建模速度更快,模型泛化性能更优。