利用机器学习分析大气压等离子体发射光谱实现 1 ppm 甲烷检测
等离子体物理
2022-07-12 v2 应用物理
数据分析、统计与概率
摘要
将小体积（5 uL）大气压 RF 驱动氦等离子体的光学发射光谱与偏最小二乘判别分析（PLS-DA）结合使用，用于检测痕量浓度的甲烷气体。获得了 1 ppm 的检测限，并使用九类别模型对高达 100 ppm CH4 的样品浓度进行了分类。研究了一系列算法增强方法，包括正则化、简单数据分割与子集选择、VIP 特征选择和波长变量压缩，以解决光谱发射数据的高维与共线性问题。这些方法显示出显著减少波长变量数量以及光谱分辨率/带宽的潜力。在更具挑战性的多会话训练-测试场景下，波长变量压缩表现出可靠的预测性能，准确率 > 97%。对等离子体电子能量分布函数的简单建模凸显了目标甲烷、其解离产物与大气杂质之间复杂的跨灵敏度，及其对激发与发射的影响。
引用
@article{arxiv.2109.06326,
title = {Methane detection to 1 ppm using machine learning analysis of atmospheric pressure plasma optical emission spectra},
author = {Tahereh Shah Mansouri and Hui Wang and Davide Mariotti and Paul Maguire},
journal= {arXiv preprint arXiv:2109.06326},
year = {2022}
}
备注
21 pages, 13 figures, 4 tables, 70 references