基于COA-GRU的低成本气体传感器数据修正方法

针对低成本气体传感器在受到温度、湿度、压力、气体交叉干扰等影响时检测精度低的问题，提出了一种长鼻浣熊-门控循环单元神经网络(COA-GRU)的修正模型，用于提高传感器检测精度。首先，根据低成本传感器的非线性特性构建了GRU修正模型；其次，利用COA算法解决修正模型的多局部极值以及参数组合寻优问题；最后，利用低成本传感器组以及H200D气体检测装置的实测数据对该方法进行了仿真实验。结果表明，使用COA-GRU修正模型后，SO₂、CO、NO₂、CO₂传感器的平均绝对误差分别降低了72.0%、28.4%、29.6%、13.5%,能够有效提高低成本传感器的检测精度。