利用机器学习实现H<sub>2</sub>S和CO<sub>2</sub>气体混叠光谱浓度预测

徐玮辰; 王庚乾; 郭松杰; 宫廷; 梁五洲; 姚凯; 陈国元; 邱选兵; 李传亮

doi:10.37188/OPE.20263405.0722

您当前的位置：

首页 >

文章列表页 >

利用机器学习实现H₂S和CO₂气体混叠光谱浓度预测

现代应用光学 | 更新时间：2026-03-12

- 利用机器学习实现H₂S和CO₂气体混叠光谱浓度预测
- Concentration prediction for overlapping gas spectra of H₂S and CO₂ using machine learning
- “介绍了其在烟气监测领域的研究进展，相关专家提出了一种基于机器学习算法的H2S浓度预测方法，为解决H2S与CO2光谱混叠问题提供了切实可行的技术方案。”
- 光学精密工程 2026年34卷第5期页码：722-733
- 作者机构：
  
  1.太原科技大学应用科学学院山西省精密测量与在线检测装备工程研究中心，山西太原 030024
  2.国网山西省电力公司电力科学研究院，山西太原 030012
  3.苏晋保德煤电有限公司，山西忻州 036604
  4.联勤保障部队第九八五医院，山西太原 030024
- 作者简介：
  
  [ "徐玮辰（2000-），男，山西临汾人，硕士研究生，2022年于太原理工大学获得学士学位，主要从事激光吸收光谱方面的研究。E-mail：18835785835@163.com" ]
  [ "邱选兵（1980-），男，四川资中人，博士，教授，2003年于重庆大学获得学士学位，2006 年于太原理工大学获得硕士学位，2013年于太原科技大学获得博士学位，主要从事光电微机接口技术、嵌入式系统等方面的研究。E-mail：qiuxb@tyust.edu.cn" ]
  [ "李传亮（1983-），男，博士，博士生导师，2006年于聊城大学获得学士学位，2011年于华东师范大学获得博士学位，主要从事分子激光光谱学、材料无损检测、光电传感装备的研究。E-mail： clli@tyust.edu.cn" ]
- 基金信息：
  
  山西省重点研发计划资助项目(202402150301012;202302150101006);国家自然科学基金资助项目(62475182;52506204);山西省科技创新人才团队专项资助(202304051001034);中央引导地方科技发展资金项目(YDZJSX2025C026);山西省专利转化专项计划资助项目(20250019)
- DOI：10.37188/OPE.20263405.0722
  中图分类号： TP181;O433
- CSTR：32169.14.OPE.20263405.0722
- 收稿：2025-12-10，
  
  修回：2025-12-30，
  
  纸质出版：2026-03-10
- 稿件说明：
移动端阅览
徐玮辰,王庚乾,郭松杰等.利用机器学习实现H₂S和CO₂气体混叠光谱浓度预测[J].光学精密工程,2026,34(05):722-733.

XU Weichen,WANG Gengqian,GUO Songjie,et al.Concentration prediction for overlapping gas spectra of H₂S and CO₂ using machine learning[J].Optics and Precision Engineering,2026,34(05):722-733.
徐玮辰,王庚乾,郭松杰等.利用机器学习实现H₂S和CO₂气体混叠光谱浓度预测[J].光学精密工程,2026,34(05):722-733. DOI： 10.37188/OPE.20263405.0722. CSTR： 32169.14.OPE.20263405.0722.

XU Weichen,WANG Gengqian,GUO Songjie,et al.Concentration prediction for overlapping gas spectra of H₂S and CO₂ using machine learning[J].Optics and Precision Engineering,2026,34(05):722-733. DOI： 10.37188/OPE.20263405.0722. CSTR： 32169.14.OPE.20263405.0722.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

LIBS结合最大相关最小冗余特征选择的镁合金快速分类识别

航拍多光谱田间秸秆覆盖量反演模型的建立与优化

基于8.309 μm QCL的硫化氢/甲烷开路式检测方法研究

模拟初级视觉皮层增强CNN神经网络结构的稳定性

基于高斯过程的参数辨识及永磁同步电机模型电流预测控制策略

利用机器学习实现H2S和CO2气体混叠光谱浓度预测

Concentration prediction for overlapping gas spectra of H2S and CO2 using machine learning

DOI：10.37188/OPE.20263405.0722

利用机器学习实现H₂S和CO₂气体混叠光谱浓度预测

Concentration prediction for overlapping gas spectra of H₂S and CO₂ using machine learning