Para resolver o problema de sobreposição do espectro de absorção do H₂S com CO₂ e melhorar a precisão da medição online de H₂S nos gases de combustão, propõe-se um método de previsão da concentração de H₂S baseado em algoritmos de aprendizado de máquina. Os dados do espectro de absorção direta gerados a partir do banco de dados HITRAN foram desmodulados para gerar 580 conjuntos de dados simulados, que foram então misturados com dados de harmônicos secundários obtidos experimentalmente para formar um conjunto completo de dados de treinamento. Utilizando regressão por processo gaussiano, regressão linear tradicional, máquinas de vetor de suporte e redes neurais, realizou-se a previsão simultânea de H₂S e CO₂. Os resultados experimentais mostram que o erro relativo médio do modelo de regressão por processo gaussiano atingiu 0,816% e 0,673%, respectivamente, superando outros modelos; a monitorização da estabilidade a longo prazo do sistema apresentou erro quadrático médio para H₂S e CO₂ de 14,181×10^-6 e 0,101%, com desempenho excelente. Este estudo, baseado no método de aprendizado de máquina de regressão por processo gaussiano, resolveu o problema da sobreposição espectral de H₂S e CO₂, alcançando monitoramento de alta precisão e alta estabilidade dos indicadores críticos de corrosão em alta temperatura do H₂S em caldeiras a carvão, fornecendo uma solução técnica factível para a análise em tempo real dos componentes de gases de combustão nos processos industriais.

aprendizado de máquina;espectro misto;sulfeto de hidrogênio;espectroscopia de absorção a laser de semicondutor sintonizável