首頁 > 論文 > 激光與光電子學進展 > 57卷 > 7期(pp:71201--1)

基于PCA-BP神經網絡對甲醛和甲醇的識別研究

Recognition of Formaldehyde, Methanol Based on PCA-BP Neural Network

  • 摘要
  • 論文信息
  • 參考文獻
  • 被引情況
  • PDF全文
分享:

摘要

當前電子鼻對有毒氣體的識別存在數據量少,訓練生成的神經網絡映射能力差等問題。本文以甲醛和甲醇為目標氣體,采用自制的氣敏傳感器對甲醛和甲醇進行數據采集,并對采集到的數據進行濾波和平滑處理,以提取不同傳感器對目標氣體的響應值。依據準則函數生成偽隨機數,并建立偽隨機特征值矩陣以擴大有效數據量。利用主成分分析 (PCA)法對特征值進行降維處理,選擇貢獻率大的主元成分作為反向傳播(BP)神經網絡的輸入向量,構造PCA-BP神經網絡。分別用實測特征值矩陣和偽隨機特征值矩陣訓練PCA-BP神經網絡,通過對比分析兩個網絡得出,實測特征值矩陣的識別率為92%,而偽隨機特征值矩陣的識別率為97%。結果表明,偽隨機特征值矩陣能有效提高PCA-BP神經網絡的映射能力,提高識別正確率。

Abstract

At present, the identification of toxic gases by electronic noses has a small amount of data, and the ability of neural network mapping generated by training is insufficient. In this work, the formaldehyde and methanol are used as target gases, and collected by self-made gas sensor. After filtering and smoothing the collected data, the different response values are extracted. The pseudo-random numbers are generated according to the criterion function, and the pseudo-random matrix is established to expand the effective data volume.The principal component analysis (PCA) is used to reduce the dimensionality of the eigenvalues, and the principal component score with large contribution rate is selected as the input vector of the back-propagation (BP) neural network to construct PCA-BP neural network, which is trained by using the measured eigenvalue matrix and the pseudo-random eigenvalue matrix respectively. By comparing the two networks, the recognition rate of the measured eigenvalue matrix is 92%, and the recognition rate of the pseudo-random eigenvalue matrix is 97%. The results show that the pseudo-random eigenvalue matrix can effectively improve the mapping ability of BP neural network and the accuracy of recognition.

Newport宣傳-MKS新實驗室計劃
補充資料

中圖分類號:X831

DOI:10.3788/LOP57.071201

所屬欄目:儀器,測量與計量

基金項目:國家自然科學基金、甘肅省自然科學基金;

收稿日期:2019-10-09

修改稿日期:2019-11-26

網絡出版日期:2020-04-01

作者單位    點擊查看

宋海聲:西北師范大學物理與電子工程學院, 甘肅 蘭州 730070
麻林召:西北師范大學物理與電子工程學院, 甘肅 蘭州 730070
王一帆:西北師范大學物理與電子工程學院, 甘肅 蘭州 730070
朱恩功:西北師范大學物理與電子工程學院, 甘肅 蘭州 730070
李承飛:西北師范大學物理與電子工程學院, 甘肅 蘭州 730070

聯系人作者:麻林召([email protected])

備注:國家自然科學基金、甘肅省自然科學基金;

【1】Peng L Z, Chen W, Liu H, et al. Comparison of the determination methods of formaldehyde value recommended by the national standards China Standardization[J]. 0, 2019(11): 133-135, 157.
彭力爭, 陳威, 劉暉, 等. 國標甲醛量值識別方法比較 中國標準化[J]. 0, 2019(11): 133-135, 157.

【2】Huang S H, Han Y, Xu P H, et al. Determination of methanol and formaldehyde in ophthalmic perfluoropropane gas by GC-MS [J]. Chemical Analysis and Meterage. 2019, 28(1): 38-41.
黃書浩, 韓銀, 徐萍華, 等. 氣相色譜-質譜法測定眼用全氟丙烷氣體中甲醇、甲醛 [J]. 化學分析計量. 2019, 28(1): 38-41.

【3】Wang L, Li J C, Qiao L Y, et al. Determination of methanol and ethanol in ShuangWuZhiTong tincture by headspace sampling GC [J]. Strait Pharmaceutical Journal. 2019, 31(8): 106-108.
王璐, 李金慈, 喬立業, 等. 頂空進樣-氣相色譜法測定雙烏止痛酊中甲醇和乙醇含量 [J]. 海峽藥學. 2019, 31(8): 106-108.

【4】Luo Z F. Determination of methanol content in cosmetics by chemical method [J]. Chemical Engineering Design Communications. 2019, 45(6): 8-9.
羅志烽. 化學法測定化妝品中甲醇含量的方法 [J]. 化工設計通訊. 2019, 45(6): 8-9.

【5】Zheng H N, Chen Z Z, Shi P Y, et al. Study of toxic gases detection based on miniaturized sensor [J]. Chinese Journal of Sensors and Actuators. 2019, 32(4): 514-519.
鄭豪男, 陳珍珍, 施佩影, 等. 基于微納傳感器的有毒有害氣體檢測方法研究 [J]. 傳感技術學報. 2019, 32(4): 514-519.

【6】Qian X R, Wu F. Application of BP neural network in quantitative analysis of indoor formaldehyde [J]. Transducer and Microsystem Technologies. 2018, 37(4): 151-154.
錢小瑞, 吳飛. BP神經網絡在室內甲醛定量分析中的應用 [J]. 傳感器與微系統. 2018, 37(4): 151-154.

【7】Zhang Q Y, Xie C S, Li D F, et al. Recognition of ethanol, acetone, benzene, toluene and xylene using nano ZnO gas sensor array [J]. Chinese Journal of Sensors and Actuators. 2006, 19(3): 552-554, 558.
張覃軼, 謝長生, 李登峰, 等. 基于納米ZnO氣體傳感器陣列的乙醇、丙酮、苯、甲苯、二甲苯的識別研究 [J]. 傳感技術學報. 2006, 19(3): 552-554, 558.

【8】He A X, Tang Z A, Wei G F, et al. Study on dynamic signal recognition of gas sensor based on temperature modulation [J]. Transducer and Microsystem Technologies. 2015, 34(6): 24-26.
何愛香, 唐禎安, 魏廣芬, 等. 基于溫度調制的氣體傳感器動態信號識別研究 [J]. 傳感器與微系統. 2015, 34(6): 24-26.

【9】Wang Y, Xing J G, Fu J, et al. Electronic nose based on flow velocity modulation and its application in beer classification [J]. Transducer and Microsystem Technologies. 2018, 37(11): 158-160.
王雨, 邢建國, 傅均, 等. 基于流速調制的電子鼻及其在啤酒分類中的應用 [J]. 傳感器與微系統. 2018, 37(11): 158-160.

【10】Liu J X, Du B, Deng Y Q, et al. Terahertz-spectral identification of organic compounds based on differential PCA-SVM method [J]. Chinese Journal of Lasers. 2019, 46(6): 0614039.
劉俊秀, 杜彬, 鄧玉強, 等. 基于差分-主成分分析-支持向量機的有機化合物太赫茲吸收光譜識別方法 [J]. 中國激光. 2019, 46(6): 0614039.

【11】Zhao L Y, Xi X L, Fan Y S, et al. Review of recent progress in the synthesis of nano-tungsten oxide via hydrothermal/solvothermal method and the application [J]. Materials Review. 2019, 33(19): 3203-3209.
趙林艷, 席曉麗, 樊佑書, 等. 納米氧化鎢的水熱/溶劑熱法制備及應用的綜述 [J]. 材料導報. 2019, 33(19): 3203-3209.

【12】Umut Hasan, Mamat Sawut. Hyperspectral estimation of wheat leaf water content using fractional differentials and successive projection algorithm-back propagation neural network [J]. Laser & Optoelectronics Progress. 2019, 56(15): 153002.
馬春玥. 基于分數階微分和連續投影算法-反向傳播神經網絡的小麥葉片含水量高光譜估算 [J]. 激光與光電子學進展. 2019, 56(15): 153002.

【13】Xu X J, Wang X S, Li A Z, et al. Fast classification of tea varieties based on laser-induced breakdown spectroscopy [J]. Chinese Journal of Lasers. 2019, 46(3): 0311003.
徐向君, 王憲雙, 李昂澤, 等. 基于激光誘導擊穿光譜的茶葉品種快速分類 [J]. 中國激光. 2019, 46(3): 0311003.

引用該論文

Song Haisheng,Ma Linzhao,Wang Yifan,Zhu Engong,Li Chengfei. Recognition of Formaldehyde, Methanol Based on PCA-BP Neural Network[J]. Laser & Optoelectronics Progress, 2020, 57(7): 071201

宋海聲,麻林召,王一帆,朱恩功,李承飛. 基于PCA-BP神經網絡對甲醛和甲醇的識別研究[J]. 激光與光電子學進展, 2020, 57(7): 071201

您的瀏覽器不支持PDF插件,請使用最新的(Chrome/Fire Fox等)瀏覽器.或者您還可以點擊此處下載該論文PDF

{ganrao} 香港开奖现场直播结果+开奖记录 能赚钱的捕鱼游戏下 捕鱼王游戏平台 南宁麻将全球人 喜迎棋牌游戏官网 南粤36选7怎么算中奖 精准期期一头中特料 万炮千炮捕鱼游戏下载 陕西闲来麻将苹果下载安装 天天棋牌下载官网? 22选5图表走势图 电玩城捕鱼达人千炮版 欢乐斗棋牌 pc蛋蛋是什么东西 2019年四肖期期中特 qq麻将下载