模拟退火优化的径向量核支持向量回归算法在人工嗅觉系统的应用

摘要

提出了一种结合了机器学习和模拟退火算法的建模方法,有效解决了检测非甲烷总烃(NMHC)的人工嗅觉系统在复杂环境下的气体干扰和传感器漂移问题。通过采用多通道仪器响应构成多维度数据组抑制复杂气体环境对NMHC传感器的干扰,数据中进一步结合记忆时序消除随时间变化的传感器漂移误差。针对设计的多维度记忆数据结构,设计了带有径向量核函数的支持向量回归对多维数据进行建模得到拟合模型,并且通过模拟退火方法完成超参数优化得到sa-rbf-svr模型。通过130组以1 h为间隔的数据样本训练后,在相隔1 d后的独立24个样本中完成了和线性模型的对比实验,结果表明:带有记忆的多维度数据结合sa-rbf-svr模型可将R~2从0.924 8提升至0.984 1,MAE指标从41.057 5提升至15.244 4。