[發明專利]一種基于PSO-ABC-ELM的電子鼻氣體濃度預測方法

在審

• 申請號: 202011337154.1
• 申請日: 2020-11-25
• 公開（公告）號: CN112541526A
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 王潔;陶洋;梁志芳;劉翔宇;曾柯偉
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00;G06N3/04;G06N3/08;G01N33/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提出了一種基于PSO?ABC?ELM的電子鼻氣體濃度預測方法，該方法先對數據進行歸一化和主成分分析處理，得到降維后的主成分數據，建立極限學習機，將降維后的主成分數據作為極限學習機的輸入；采用粒子群算法和人工蜂群算法進行嵌入融合，優化極限學習機的輸入層與隱含層權值和隱含層閾值，得到電子鼻氣體濃度預測模型；對氣體進行濃度預測，將測試數據集輸入模型，得到氣體濃度的預測值。本發明的優點在于結合了粒子群算法和人工蜂群算法的優點，解決極限學習機輸入層與隱含層權值和隱含層閾值隨機給出的問題，提高了電子鼻氣體濃度預測的精度。

技術領域

一種基于PSO-ABC-ELM的電子鼻氣體濃度預測方法。

背景技術

電子鼻是一種仿生嗅覺系統，該系統主要由三部分構成，即傳感器陣列、信號預處理單元以及模式識別單元。傳感器陣列主要負責對氣體的吸附和解吸附，在待測樣品的氣味分子經過氣敏傳感器表面時，將感應到的信息轉化為電信號；信號預處理單元對氣敏陣列檢測到的信號進行放大、濾波、歸一化以及特征提取等操作，以達到消除或減弱信號干擾、提高信噪比的目的；模式識別單元作為電子鼻的分析計算結構，通過各種人工智能算法實現對氣味的定性分析或者定量回歸。電子鼻系統可通過其內部的氣體傳感器對氣體信息進行采集，將氣體信號根據其自身特性轉變為電信號，再通過模式識別算法的處理輸出對應氣體的濃度預測結果。

電子鼻具有操作簡單、結果精確以及低成本的優點，在未來將具有很大的應用市場，對空氣污染物濃度進行檢測，也方便人們對空氣污染物的預防和治理。

發明內容

本發明的目的是解決ELM神經網絡的輸入層與隱含層間的連接權值和隱含層神經元閾值是隨機給定的問題。提供一種基于PSO-ABC-ELM的電子鼻氣體濃度預測方法，用于實現對空氣中污染氣體濃度進行預測。

為實現上述目的，本發明是通過的這樣的技術方案實現的，包括如下步驟：

步驟1：對數據集進行預處理。

步驟2：建立基于極限學習機ELM的神經網絡模型。

步驟3：初始化神經網絡模型的參數；其中采用PSO算法和ABC算法進行嵌入融合共同確定神經網絡模型中輸入層與隱含層權值和隱含層閾值；

步驟4：采用訓練樣本對步驟3中確定參數后的神經網絡進行訓練直至滿足訓練條件。

步驟5：采用測試集對訓練后的神經網絡進行測試。

在步驟1中對數據進行預處理，以達到降低運算量并提高模型氣體濃度預測精度的目的。首先要對不同性質、不同量綱、數值大小差異明顯的數據進行歸一化處理，使數據處理后均勻分布于區間[0,1]，再根據數據的高維特性，對任意不同的維度為D的訓練樣本集通過主成分分析(Principal ComponentAnalysis，PCA)進行降維。

在步驟2中ELM神經網絡模型包括輸入層、輸出層、隱藏層，其中輸入層包括6個神經元，對應作為模型的6個輸入參數，輸入層的神經元對應的輸入為步驟1經過預處理后的數據；輸出層包括一個神經元，對應的輸出參數為氣體濃度值。

在步驟3中初始化神經網絡模型參數，包括初始化產生輸入層與隱含層的權值和隱含層的閾值、激活函數g(·)、PSO算法和ABC算法的參數、控制參數Limit1、Limit2和pbest_Measure，選擇適應度函數。