基于梯度提升決策樹的氣體傳感陣列識別方法

張志業，葛志強，趙小娟，林永江

（國能（泉州）熱電有限公司，福建泉州 362804）

氣體傳感器具有交叉敏感性，容易受溫度、濕度、環境條件等因素影響，且穩定性和選擇性較差，僅限于精度較低、分辨率低、氣體組分簡單的應用中[1]。在復雜氣體或氣味的定性和定量檢測中應用較少。受氣體傳感陣列識別環境影響，僅使用單種傳感器無法對某種氣體進行精準識別[2]。為此，采用多種傳感器進行氣體傳感陣列的識別成為重要方式。通過氣體識別技術能夠實現氣體成分檢測，這是當前氣體識別技術改進的主要方向[3]。目前，使用主元統計方法識別氣體傳感陣列，能夠在最小均方計算模式下分析氣體數據，雖然該方法能夠自動分離不同氣體，但該方法受氣體主成分影響，缺乏自主學習能力，無法完成數據預處理，導致氣體識別結果不精準；使用基于人工神經網絡理論識別時，利用MATLAB 軟件對所采集的氣體實驗數據進行識別與分析。該方法雖然識別速度較快，但缺少對冗余數據處理步驟，導致氣體識別結果不精準。

為此，該文提出基于梯度提升決策樹的氣體傳感陣列識別方法。

1 氣體傳感陣列識別方法設計

1.1 混合氣體組成成分分析

利用某公司生產的RCS2000-A 型號氣體分配系統，獲取需要識別的混合氣體[4]。該設備采用世界上最先進的氣體配氣技術，可輸出高質量、高精度的混合標準氣體，并由計算機自動分配[5]。多組分混合氣體從配氣方案制定到實施，通過計算機監控，實現了多組分混合氣體的自動分配過程，該方法自動化程度高，能夠分類處理多種氣體數據，具有穩定性較強的優勢[6-8]。

通過配置多組混合氣體，將高純度N2作為研究對象，配制多組分混合氣時，原料氣G1～G6為高純度稀釋氣體，原料氣濃度為s1～s6。配制不同濃度混合氣體時，稀釋比為：

在式（1）所示的組分氣體稀釋比下，對比分析原料氣G1～G6的流量fG1～fG6和高純度N2稀釋后流量fN2的比值，計算結果為：

依據式（2）計算結果可知，氣體流量控制器采用流量比控制各組分原料氣、稀化氣流量，可準確、動態地分析多種組分混合氣[9]。

1.2 樣本數據歸一化處理

以變壓器油為例，通過對氣體傳感陣列數據的分析，確定變壓器工作狀態[10]。變壓器工作產生CO 時，說明該設備工作不靈敏，但仍能繼續工作；當出現H2時，說明該設備工作時產生的摩擦熱較高，此時氣體濃度高于150 ppm，需要考慮變壓器是否被燒壞；當出現C2H2時，應嚴格檢查變壓器能否正常工作，一旦濃度超過5 ppm時，應考慮該設備是否已經損壞[11-12]。

利用SVM 直接分析傳感器陣列測得的變壓器油色譜數據中氣體濃度，可直接獲得潛在有價值的微小量信息[13]。因此，對氣體傳感陣列數據進行歸一化處理，采取這種處理方法是為了盡可能完整地保留數據信息，使數據差異降到最低[14]。

經過歸納分析，發現氣體樣本的標準化范圍介于[0,1]和[-1,1]之間，[0,1]之間的數據按統計概率依次分布，[-1,1]之間的數據按坐標分布依次分布[15]。模型建立與計算的基本度量單位相同，該文使用梯度提升決策樹，通過訓練步驟和預測步驟，獲取統計樣本坐標。根據scale 函數對傳感陣列識別數據進行歸一化處理，其公式為：

式（3）中，yi表示歸一化數據，ci表示傳感陣列數據，cmax、cmin分別表示傳感陣列數據最大值與最小值。

經過scale 函數對識別數據進行歸一化處理后，獲取存儲氣體傳感陣列數據，并將陣列進行數字編號[16]。

在獲取的數據集中，經歸一化的氣體數據均在[-1,1]的范圍內，有效地減小了不同數據間的差異，從而提高歸一化模型的收斂性。在使用測試樣本檢驗現有模型時，數據的標準化是為了保證數據的一致性。

1.3 基于梯度提升決策樹的識別方案設計

將梯度提升決策樹識別方式看成是數據處理、分類與回歸的過程，梯度提升決策樹是由若干決策樹組成，采用加法模型和正態分布算法對模型進行修正，并逐步逼近最佳解，可以有效地降低各因素間的冗余，對離群點具有較好的魯棒性[17-19]。該方法能夠消除異常點，彌補傳感器脆弱性引起的信號異常缺陷，提高氣體最終識別的準確性。

假設氣體傳感陣列P中包含R個傳感陣列，每個傳感陣列中有xj個識別項目，其中，xi為第i個傳感陣列的識別項目。輸入向量可表示為：

式（4）、（5）中，X表示輸入向量；wij表示第i個傳感陣列的第j個識別項目權重，其計算公式為：

式（6）中，ej表示第j個識別項目的輸出熵。

采用梯度提升決策樹融合多個決策樹模型，通過比較迭代損失函數梯度，構建高精度識別模型。其中，損失函數表達式為：

式（7）中，pk表示預測概率；F(X)表示比較迭代損失函數的梯度。

此時，第t輪第i個樣本對應種類的負梯度誤差，計算公式為：

累加梯度提升決策樹，對負梯度誤差進行修復，并逐步趨近最優解。

基于此，結合SVM-predict 識別程序識別出六組氣體，如表1 所示。

表1 氣體傳感陣列識別結果

2 實例分析

為了檢驗基于梯度提升決策樹的氣體傳感陣列識別方法的合理性，選擇七組實驗樣本進行測試。這七組實驗樣本分別模擬變壓器工作時出現故障時不同組分氣體含量，如上述表1 所示。

2.1 氣體監測實驗裝置

利用六種不同材料的碳納米管氣敏傳感器，將H2、CO、CH4、C2H4、C2H2和C2H6進行分類處理。實驗傳感裝置使用碳納米金叉指電極結構，以此識別氣體傳感陣列。實驗測試裝置結構如圖1 所示。

圖1 氣體監測實驗裝置

由圖1 可知，通過電化學分析儀在恒溫情況下分析流入氣體。

2.2 結果與分析

為了驗證該方法比主元統計方法、基于人工神經網絡理論的模式識別方法更優，分別采用三種方法進行氣體識別，其經過傳感陣列后獲取氣體濃度值，分別采用主元統計方法、基于人工神經網絡理論的模式方法和基于梯度提升決策樹的方法進行識別，將識別結果與實際值比較分析，表1 數據為實際值，識別結果如圖2 所示。

圖2 三種方法識別結果對比分析

由圖2（a）可知，使用基于主元統計方法在第7 次測試時，與實際值相差最大，最大誤差約為150 μL/L；使用基于人工神經網絡理論的模式方法在第6 次測試時，與實際值相差最大，最大誤差約為125 μL/L；使用基于梯度提升決策樹的方法在7 次測試情況下，均與實際值一致，誤差為0。

由圖2（b）可知，使用基于主元統計方法在第6次測試時，與實際值相差最大，最大誤差約為40 μL/L；使用基于人工神經網絡理論的模式方法在第4 次測試時，與實際值相差最大，最大誤差約為110 μL/L；使用基于梯度提升決策樹的方法在7 次測試情況下，均與實際值一致，誤差為0。

由圖2（c）可知，使用基于主元統計方法在第6 次測試時，與實際值相差最大，最大誤差約為45 μL/L；使用基于人工神經網絡理論的模式方法在第4 次測試時，與實際值相差最大，最大誤差約為32.9 μL/L；使用基于梯度提升決策樹的方法在第5 次測試時，最大誤差為0.7 μL/L。

由圖2（d）可知，使用基于主元統計方法和基于人工神經網絡理論的模式方法均在第7 次測試時，與實際值相差最大，最大誤差分別為90、120 μL/L；使用基于梯度提升決策樹的方法在第3 次測試時，最大誤差為0.05 μL/L。

由圖2（e）可知，使用基于主元統計方法在第7 次測試時，與實際值相差最大，最大誤差為10.2 μL/L；使用基于人工神經網絡理論的模式方法在第3 次測試時，與實際值相差最大，最大誤差為25 μL/L；使用基于梯度提升決策樹的方法在7 次測試情況下，均與實際值一致，誤差為0。

由圖2（f）可知，使用基于主元統計方法在第3 次測試時，與實際值相差最大，最大誤差為38.5 μL/L；使用基于人工神經網絡理論的模式方法在第5 次測試時，與實際值相差最大，最大誤差為33.1 μL/L；使用基于梯度提升決策樹的方法在7 次測試情況下，均與實際值一致，誤差為0。

通過上述分析可以看出，采用該文所提的基于梯度提升決策樹的氣體傳感陣列識別方法，對實驗中樣本數據進行識別，得到的結果均優于主元統計方法、基于人工神經網絡理論的模式識別方法，充分驗證了所提方法的有效性，說明該文方法在實際應用中具有一定優勢。

3 結束語

由于氣體傳感陣列中存在敏感數據，使用主元統計方法、基于人工神經網絡理論的模式識別方法識別的結果存在較大誤差。因此，提出基于梯度提升決策樹的氣體傳感陣列識別方法。該方法主要以梯度提升決策樹作為主體算法，借助scale 函數構造歸一化模型，標準化預處理敏感數據，縮小敏感數據與其他數據的差異，并通過決策樹構建最終的識別模型，提升識別的精度。實驗中以變壓器油中溶解氣體為例，對氣體傳感陣列進行深入識別。實例結果表明，該方法精度高，穩定性好。

雖然該文方法在現階段具有一定可行性，但仍存在一些有待進一步研究的問題：不同方向氣敏傳感陣列對氣體的響應存在一定不同，只選取氣敏元件陣列對氣體濃度的響應作為特征量。在下一步工作中可深入研究不同布置方式對氣體濃度的影響。