龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：云南电网有限责任公司电力科学研究院
申请日：2020-07-22
公开（公告）日：2024-06-14
公开（公告）号：CN111863147B
主分类号：G16C20/10
分类号：G16C20/10;G16C20/70;G01N21/65
优先权：
专利状态码：有效-授权
法律状态：2024.06.14#授权;2020.11.17#实质审查的生效;2020.10.30#公开
摘要：本申请公开了一种SF6及其分解组分气体的浓度检测方法或装置，所述浓度检测方法是首先通过协同区间偏最小二乘算法算法筛选SF6及其分解组分气体拉曼检测的光谱数据，得到具有最小误差的光谱数据区间，然后利用蚁群算法进一步去除光谱数据区间中的干扰数据，将光谱数据进行优化，最后，使用优化后的光谱数据构建浓度预测模型，根据浓度预测模型，得到SF6及其分解组分气体，因此，采用前述的浓度检测方法或者装置能够有效消除SF6及其分解组分气体拉曼检测冗余的光谱数据，减少干扰因素的影响，提高光谱数据的分析准确度，进一步地，可以缩短数据分析时间，提高定量分析效率。
主权项：1.一种SF6及其分解组分气体的浓度检测方法，其特征在于，包括：获取拉曼检测得到的全光谱数据，将所述全光谱数据平均划分为多个独立的子区间；使用协同区间偏最小二乘算法分别在各子区间内建立模型，获得多个siPLS模型；计算各siPLS模型的校正均方根误差值，根据所述校正均方根误差值的大小，将所述校正均方根误差值排序；选择所述校正均方根误差值最小的至少三个siPLS模型对应的子区间作为目标子区间；使用蚁群算法筛选所述目标子区间中所有的全光谱数据，获得有效光谱数据；根据所述有效光谱数据，建立浓度预测模型，包括：将所述有效光谱数据，作为训练数据，输入至浓度预测模型进行训练；利用训练后的浓度预测模型对已知浓度的SF6及其分解组分气体进行预测；将预测结果与已知浓度的SF6及其分解组分气体的光谱信息进行对比，计算两者的误差；迭代所述浓度预测模型中的参数，使得误差消除或者误差的绝对值接近于0，停止训练，得到最终的浓度预测模型；根据所述浓度预测模型对待分析SF6及其分解气体的拉曼光谱数据进行预测，得到SF6及其分解气体的浓度。
全文数据：
权利要求：
百度查询： 云南电网有限责任公司电力科学研究院 SF6及其分解组分气体的浓度检测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号