H₂S 흡수 스펙트럼과 CO₂의 중첩 문제를 해결하고 배기가스 내 H₂S의 온라인 측정 정확도를 향상시키기 위해 기계 학습 알고리즘을 기반으로 한 H₂S 농도 예측 방법이 제안되었다. HITRAN 데이터베이스에서 생성된 직접 흡수 스펙트럼 데이터를 복조 처리하여 580개의 시뮬레이션 데이터를 생성한 후, 실험적으로 획득한 2차 고조파 데이터와 혼합하여 완전한 학습 데이터 세트를 구성하였다. 가우시안 프로세스 회귀, 전통적인 선형 회귀, 서포트 벡터 머신 및 신경망 등 다양한 방법을 이용해 H₂S와 CO₂를 동시 예측하였다. 실험 결과 가우시안 프로세스 회귀 모델의 평균 상대 오차는 각각 0.816%와 0.673%로 다른 모델보다 우수하였다; 시스템의 장기 안정성 모니터링 결과 H₂S와 CO₂의 평균 제곱근 오차는 각각 14.181×10^-6와 0.101%로 우수한 성능을 보였다. 본 연구는 가우시안 프로세스 회귀 기반의 기계 학습 방법을 통해 H₂S와 CO₂ 스펙트럼 중첩 문제를 해결하고, 석탄 보일러 고온 부식의 핵심 지표인 H₂S를 고정밀, 고안정성으로 모니터링하여 산업 공정 내 배기가스 성분 실시간 분석을 위한 실질적이고 실행 가능한 기술적 해법을 제공한다.

기계 학습;혼첩 스펙트럼;황화수소;조정 가능한 반도체 레이저 흡수 분광법