一种基于GA-NSVM的自适应洛伦兹分峰拟合识别红外光谱吸收重叠峰的方法

提出一种基于遗传算法-非线性支持向量机的自适应洛伦兹分峰拟合识别红外光谱吸收重叠峰的方法。利用单质特征吸收线型的根本性差异，将混合物光谱分解为满足特征吸收线型的多个洛伦兹单峰，采用非线性支持向量机对多个拟合单峰进行多分类筛选确定特定目标组分的谱峰。采集了400个混合烷烃气体样本的红外光谱数据，论证了该方法在高相似分子结构的光谱识别分类的可行性。实验结果表明该方法能有效分离烷烃中甲烷、乙烷、丙烷的红外吸收单峰，具有良好的准确性和鲁棒性，模型参数的解释能力更强。该方法能够加速光谱检测技术在生物制药、食品化工、油气勘探等领域的应用，尤其是在含同系有机物混合物的分析及应用场合。