Na detecção online de múltiplos componentes de gás (H₂, CO, CH₄, etc.) em condições complexas, como conversores e fornos de coque, o sinal do espectro Raman é facilmente afetado por flutuações de pressão do gás, deriva da potência do laser e variações na eficiência da transmissão óptica, resultando na redução da precisão da inversão de concentração. Este artigo propõe um método de análise do espectro Raman para múltiplos componentes de gás baseado na calibração por padrão interno e modelagem multivariada conjunta. Primeiramente, o CO₂, amplamente presente e quimicamente estável no gás, é usado como componente de referência interna para construir a razão interna R_i, eliminando interferências comuns do ganho do sistema; em seguida, é definido o operador de calibração do ganho do sistema S_factor para caracterizar em tempo real as variáveis de estado do sistema, como pressão do gás e intensidade da luz espalhada; por fim, a razão interna, a pressão do gás, a intensidade da luz dispersa e o operador de calibração do ganho do sistema são utilizados em conjunto como características de entrada para estabelecer um modelo de regressão não linear multivariado usando o algoritmo LightGBM, realizando uma inversão precisa das concentrações de H₂, CO e CH₄. Os resultados experimentais mostram que o modelo multivariado conjunto proposto apresenta erro quadrático médio (RMSE) inferior a 0,09% e erro médio absoluto percentual (MAPE) inferior a 0,6% para H₂, CO e CH₄, com redução geral do RMSE em cerca de 37% a 63% em comparação com modelos que usam apenas dados espectrais brutos ou uma única razão interna. Este método compensa efetivamente as interferências não lineares causadas por variações na pressão do gás e na intensidade da luz dispersa, melhorando significativamente a precisão da inversão de concentração em espectros Raman multicomponentes sob condições complexas, fornecendo uma solução viável para a detecção online de gás industrial.

Espectroscopia Raman;Gás;Padrão interno;Modelagem multivariada conjunta;Aprendizado de máquina