期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于WOA-WNN-LSTM算法的红外CO痕量气体压力补偿与时序浓度分析
1
作者
田富超
张海龙
+3 位作者
苏嘉豪
梁运涛
王琳
王泽文
《光谱学与光谱分析》
北大核心
2025年第4期994-1007,共14页
红外光谱分析是工业环境气体定量分析的重要手段,当前红外气体检测仪的测量精度受环境压力变化影响较大,导致检测数据在不同压力条件下偏离实际气体浓度。为提高红外气体传感器的精度,选择了鲸鱼优化算法(whale optimization algorithm,...
红外光谱分析是工业环境气体定量分析的重要手段,当前红外气体检测仪的测量精度受环境压力变化影响较大,导致检测数据在不同压力条件下偏离实际气体浓度。为提高红外气体传感器的精度,选择了鲸鱼优化算法(whale optimization algorithm,WOA)和小波神经网络(wavelet neural network,WNN)相结合的压力补偿算法,并结合长短期记忆法(long short-term memory,LSTM)对补偿后的数据进行预测。通过搭建工业环境气体压力补偿实验平台,使用高精度配气仪配置100~900 ppm标准CO气体,在80~120 kPa范围内进行数百组重复实验,发现CO气体传感器在负压条件下测量值小于标气浓度,正压条件下测量值大于标气浓度,并随压力变化呈线性关系,绝对误差最高为86 ppm。将传感器数据使用小波神经网络进行误差降低,初步补偿后的CO误差降至26 ppm,但由于参数可移植性较差,个别数据误差较大。进一步使用鲸鱼优化算法优化小波神经网络的参数后,补偿效果显著提升,传感器测量值与真值之差保持在0.004%以内且数据稳定。最终结合LSTM进行气体浓度预测,预测值与实际值之间的均方根误差(RMSE)均小于0.1,平均绝对误差(MAE)均小于0.020,实验结果表明,WOA-WNN-LSTM算法能够有效提高红外气体传感器的测量精度,成功消除环境压力对测量结果的影响,为工业环境气体检测提供了更为可靠和精准的解决方案。
展开更多
关键词
红外光谱分析
环境压力补偿
鲸鱼优化算法
小波神经网络
时序浓度预测
在线阅读
下载PDF
职称材料
基于IAPSO-Holt-TCN的时序瓦斯浓度预测模型
被引量：
2
2
作者
温廷新
陈思宇
《中国安全生产科学技术》
CAS
CSCD
北大核心
2023年第7期57-62,共6页
为了提升时序瓦斯浓度预测精度,提出1种基于特征组合(FCIH)-时间卷积网络(TCN)的预测模型。首先,基于粒子群(PSO)算法重构惯性权重和加速因子,设计自适应粒子群(IAPSO)寻优算法;然后,利用IAPSO优化霍尔特指数平滑(Holt)相关超参数,应用H...
为了提升时序瓦斯浓度预测精度,提出1种基于特征组合(FCIH)-时间卷积网络(TCN)的预测模型。首先,基于粒子群(PSO)算法重构惯性权重和加速因子,设计自适应粒子群(IAPSO)寻优算法;然后,利用IAPSO优化霍尔特指数平滑(Holt)相关超参数,应用Holt生成时序瓦斯浓度的水平、趋势分量,并与时序瓦斯浓度历史数据构成特征组合,以此获取具有高度预测性的特征;接着,基于构建的特征组合,搭建FCIH-TCN时序瓦斯浓度预测框架;最后,采用多个模型进行对比实验。研究结果表明:使用IAPSO后,Holt预测模型的平均绝对误差下降0.019;FCIH作为模型输入有效提高LSTM、GRU及TCN模型的预测精度;FCIH-TCN的RMSE为0.05,MAE为0.035,其预测精度优于其他对比模型。研究结果可为矿井瓦斯灾害防治提供参考。
展开更多
关键词
时序
瓦斯
浓度
预测
特征组合
自适应粒子群
霍尔特指数平滑(Holt)
时间卷积网络(TCN)
在线阅读
下载PDF
职称材料
题名
基于WOA-WNN-LSTM算法的红外CO痕量气体压力补偿与时序浓度分析
1
作者
田富超
张海龙
苏嘉豪
梁运涛
王琳
王泽文
机构
煤炭科学研究总院研究生院
中煤科工集团沈阳研究院有限公司煤矿灾害防控全国重点实验室
中国矿业大学(北京)应急管理与安全工程学院安全工程与工程系
出处
《光谱学与光谱分析》
北大核心
2025年第4期994-1007,共14页
基金
国家自然科学基金项目(52174229,52174230)
辽宁省自然科学基金项目(2022-KF-23-03,2023-MS-355)资助。
文摘
红外光谱分析是工业环境气体定量分析的重要手段,当前红外气体检测仪的测量精度受环境压力变化影响较大,导致检测数据在不同压力条件下偏离实际气体浓度。为提高红外气体传感器的精度,选择了鲸鱼优化算法(whale optimization algorithm,WOA)和小波神经网络(wavelet neural network,WNN)相结合的压力补偿算法,并结合长短期记忆法(long short-term memory,LSTM)对补偿后的数据进行预测。通过搭建工业环境气体压力补偿实验平台,使用高精度配气仪配置100~900 ppm标准CO气体,在80~120 kPa范围内进行数百组重复实验,发现CO气体传感器在负压条件下测量值小于标气浓度,正压条件下测量值大于标气浓度,并随压力变化呈线性关系,绝对误差最高为86 ppm。将传感器数据使用小波神经网络进行误差降低,初步补偿后的CO误差降至26 ppm,但由于参数可移植性较差,个别数据误差较大。进一步使用鲸鱼优化算法优化小波神经网络的参数后,补偿效果显著提升,传感器测量值与真值之差保持在0.004%以内且数据稳定。最终结合LSTM进行气体浓度预测,预测值与实际值之间的均方根误差(RMSE)均小于0.1,平均绝对误差(MAE)均小于0.020,实验结果表明,WOA-WNN-LSTM算法能够有效提高红外气体传感器的测量精度,成功消除环境压力对测量结果的影响,为工业环境气体检测提供了更为可靠和精准的解决方案。
关键词
红外光谱分析
环境压力补偿
鲸鱼优化算法
小波神经网络
时序浓度预测
Keywords
Infrared spectral analysis
Environmental stress compensation
Whale optimization algorithm
Wavelet neural networks
Time-series concentration prediction
分类号
O657.3 [理学—分析化学]
在线阅读
下载PDF
职称材料
题名
基于IAPSO-Holt-TCN的时序瓦斯浓度预测模型
被引量：
2
2
作者
温廷新
陈思宇
机构
辽宁工程技术大学工商管理学院
出处
《中国安全生产科学技术》
CAS
CSCD
北大核心
2023年第7期57-62,共6页
基金
国家自然科学基金项目(71771111)
辽宁省社会科学规划基金项目(L14BTJ004)。
文摘
为了提升时序瓦斯浓度预测精度,提出1种基于特征组合(FCIH)-时间卷积网络(TCN)的预测模型。首先,基于粒子群(PSO)算法重构惯性权重和加速因子,设计自适应粒子群(IAPSO)寻优算法;然后,利用IAPSO优化霍尔特指数平滑(Holt)相关超参数,应用Holt生成时序瓦斯浓度的水平、趋势分量,并与时序瓦斯浓度历史数据构成特征组合,以此获取具有高度预测性的特征;接着,基于构建的特征组合,搭建FCIH-TCN时序瓦斯浓度预测框架;最后,采用多个模型进行对比实验。研究结果表明:使用IAPSO后,Holt预测模型的平均绝对误差下降0.019;FCIH作为模型输入有效提高LSTM、GRU及TCN模型的预测精度;FCIH-TCN的RMSE为0.05,MAE为0.035,其预测精度优于其他对比模型。研究结果可为矿井瓦斯灾害防治提供参考。
关键词
时序
瓦斯
浓度
预测
特征组合
自适应粒子群
霍尔特指数平滑(Holt)
时间卷积网络(TCN)
Keywords
time series gas concentration prediction
feature combination
adaptive particle swarm
holt exponential smoothing(Holt)
temporal convolutional network(TCN)
分类号
X936 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于WOA-WNN-LSTM算法的红外CO痕量气体压力补偿与时序浓度分析
田富超
张海龙
苏嘉豪
梁运涛
王琳
王泽文
《光谱学与光谱分析》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于IAPSO-Holt-TCN的时序瓦斯浓度预测模型
温廷新
陈思宇
《中国安全生产科学技术》
CAS
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
