基于粒子群优化算法-支持向量回归算法的氨氮传感器温度补偿

摘要：

针对野外低温环境下,基于铵离子选择性电极的氨氮传感器检测失准问题,通过分析传感器检测原理,在0～30℃进行了水质标样氨氮检测对比实验,探究了温度变化对氨氮传感器输出结果的影响;将粒子群优化算法(particle swarm optimi-zation,PSO)与支持向量回归(support vector regression,SVR)结合,建立了氨氮检测的PSO-SVR温度补偿模型,并与最小二乘多项式回归、传统SVR建立的温度补偿模型对比,PSO-SVR温度补偿模型具有较高的决定系数和较小均方根误差(root mean square error,RMSE).在实际水样检测实验中,经过该模型补偿后氨氮传感器的输出值与实验室内根据《水质氨氮测定》(HJ 535-2009)测得的氨氮标准值之间最高偏差为4.76％,最低偏差为0.64％,偏差范围符合预期补偿目标,表明模型具有较高的温度补偿精度,对非训练数据具有良好的泛化能力,能够满足实际使用的精度要求.

关键词：氨氮;铵离子选择性电极;温度补偿;粒子群优化算法(PSO);支持向量回归(SVR)

所属期刊栏目：21

分类号：TP274(自动化技术及设备)

资助基金：国际科技合作基金;吉林省教育厅基金项目

在线出版日期：2022-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：8983-8988