H₂S吸収スペクトルとCO₂の重なり問題を解決し、排ガス中のH₂Sオンライン測定の精度を向上させるために、機械学習アルゴリズムに基づくH₂S濃度予測方法を提案した。HITRANデータベースから生成された直接吸収スペクトルデータを復調処理し、580組のシミュレーションデータを生成し、実験で取得した二次高調波データと混合して完全な学習データセットを形成した。ガウス過程回帰、従来の線形回帰、サポートベクターマシン、ニューラルネットワークなどの手法を用いて、H₂SとCO₂の同期予測を行った。実験結果は、ガウス過程回帰モデルの平均相対誤差がそれぞれ0.816％および0.673％に達し、他のモデルより優れていることを示した。システムの長期安定性監視では、H₂SとCO₂の平方平均二乗誤差がそれぞれ14.181×10^-6および0.101％であり、良好な性能を示した。本研究はガウス過程回帰に基づく機械学習手法により、H₂SとCO₂のスペクトル混合問題を解決し、石炭ボイラーの高温腐食の主要指標であるH₂Sの高精度・高安定性のモニタリングを実現し、産業プロセスにおける排ガス成分のリアルタイム分析に実用的な技術的解決策を提供した。

機械学習;混合スペクトル;硫化水素;可調整半導体レーザー吸収分光法