汪雨晴，趙慶賀

(1.沈陽儀表科學(xué)研究院有限公司，遼寧沈陽 110043；2.東北農(nóng)業(yè)大學(xué)電氣與信息學(xué)院，黑龍江哈爾濱 150030)

0 引言

人工嗅覺傳感器(electronic nose system)是工業(yè)生產(chǎn)中常用的環(huán)境檢測系統(tǒng)，相比于色譜方法，具有低成本和高實時性的優(yōu)勢。目前的人工嗅覺傳感器采用多傳感器集成實現(xiàn)多種待測氣體的隔離式檢測方式，各組的儀器響應(yīng)和預(yù)測值是作為獨立樣本進行擬合建模的，預(yù)測過程受到環(huán)境中其他氣體和傳感器漂移的雙重影響，對實時監(jiān)測過程的精度有很大的負面影響[1]

隨著機器學(xué)習(xí)和人工智能方法的快速發(fā)展，針對適用人工嗅覺傳感器系統(tǒng)的高準確度模型及系統(tǒng)研究逐漸成為熱點，H. Fan等應(yīng)用電化學(xué)傳感器陣列完成了開放環(huán)境的氣體聚類鑒別[3]。J. Burgués等開發(fā)了一種基于人工嗅覺的無人機用工業(yè)環(huán)境空氣質(zhì)量量化系統(tǒng)[4]。P. Asha等設(shè)計了基于物聯(lián)網(wǎng)和人工智能方法的多傳感器環(huán)境監(jiān)測人工嗅覺系統(tǒng)[5]。

非甲烷總烴(non-methane hydrocarbons，NMHC)是指空氣中除甲烷外的氣體烴類化合物，主要是工業(yè)環(huán)境含碳有機物的副產(chǎn)物，是大氣環(huán)境中的廢氣之一[6]。傳統(tǒng)的NMHC檢測需依照《固定污染源廢氣：總烴、甲烷和非甲烷總烴的測定：氣相色譜法》(HJ 38—2017)完成，作為基于色譜學(xué)的實驗室方法，無法完成實時性的檢測[8]。人工嗅覺方法作為一種高效且實時的方法在NMHC檢測中具有良好的應(yīng)用前景。

為提高人工嗅覺系統(tǒng)在實時監(jiān)測中的準確性，本文提出了一種基于融合多通道傳感器數(shù)據(jù)的記憶序列模型，利用7通道(5種氣體及溫濕度數(shù)據(jù))儀器響應(yīng)和長度為4的記憶多維度數(shù)據(jù)，結(jié)合模擬退火優(yōu)化的rbf-svr模型作為擬合算法，對比傳統(tǒng)的線性模型可將R2從0.924 8提升至0.984 1，MAE指標從41.057 5提升至15.244 4。

1 人工嗅覺系統(tǒng)的有記憶多通道儀器響應(yīng)

人工嗅覺系統(tǒng)的核心包括數(shù)據(jù)采集模塊和計算單元模塊，如圖1所示。數(shù)據(jù)采集模塊由單一氣體傳感器或氣體傳感器陣列構(gòu)成，將表征環(huán)境氣體濃度信息的化學(xué)信號轉(zhuǎn)化為傳感器的電信號，最終作為儀器響應(yīng)值輸入計算單元。計算單元將儀器響應(yīng)值和預(yù)測值進行轉(zhuǎn)化，完成擬合計算后，最終將電信號強度轉(zhuǎn)換為具有實際物理意義的觀察值，完成儀表檢測任務(wù)[6，9]。

圖1 復(fù)雜氣體環(huán)境下人工嗅覺系統(tǒng)示意圖

該過程中，數(shù)據(jù)采集模塊的傳感器部分是將待測氣體信息轉(zhuǎn)化為儀器響應(yīng)的關(guān)鍵核心部分，但實際的應(yīng)用過程中，傳感器或傳感器陣列會受到環(huán)境溫濕度、環(huán)境中干擾氣體成分和自身運行漂移的影響，從而造成響應(yīng)值和真實值的非線性偏差[6，10]。

對于非監(jiān)測氣體的干擾，傳統(tǒng)的解決方法是盡可能在數(shù)據(jù)收集側(cè)減少異常氣體的干擾，但實際應(yīng)用的環(huán)境中，氣體的種類與含量都具有高度不確定性，采用抗干擾能力更強的傳感器陣列會加大應(yīng)用的成本。另一方面，從實際的氣體分布環(huán)境角度而言，環(huán)境中的氣體含量是存在相關(guān)性的，以本文關(guān)注的NMHC氣體為例，其自身是有機物化學(xué)反應(yīng)過程中產(chǎn)生的混合烴類氣體，當有機物產(chǎn)生時，環(huán)境中的CO、CH4等同樣會產(chǎn)生變化，各類氣體的含量最終會達到空氣中的動態(tài)平衡，因此這樣的復(fù)雜氣體環(huán)境是人工嗅覺系統(tǒng)的工作常態(tài)。

針對人工嗅覺系統(tǒng)中復(fù)雜氣體環(huán)境下非監(jiān)測氣體的干擾問題，本文結(jié)合多通道傳感器可同時獲取多路儀器響應(yīng)值的特點，將多路響應(yīng)值作為共同特征，完成多維度響應(yīng)數(shù)據(jù)集的構(gòu)建，進一步選擇具有適合多維度數(shù)據(jù)回歸擬合的方法建模，即帶有rbf核的支持向量回歸方法，并引入模擬退火方法，構(gòu)成sa-rbf-svr模型進一步完善多維度擬合預(yù)測NMHC氣體濃度的效果。

對于傳感器的漂移現(xiàn)象，本質(zhì)上是隨系統(tǒng)采集時間的增加，傳感器自身發(fā)生老化或環(huán)境氣體吸附造成傳感器中毒引出的誤差，可視為y=f(x,t)中引入了時間變量對模型造成的影響。這種影響可以采用引入時間特征，或加入基于時間特征的修正系數(shù)進行修正[9]。

針對人工嗅覺系統(tǒng)的傳感器漂移問題，本文將前時刻儀器響應(yīng)納入模型，作為記憶維度進行動態(tài)補償。相比于時間特征或修正系數(shù)，這種結(jié)合了記憶響應(yīng)的數(shù)據(jù)能具有更有效的信息量。

圖2是本文數(shù)據(jù)輸入部分的結(jié)構(gòu)，記憶序列部分的引入將抑制隨時間變化的傳感器漂移，多通道響應(yīng)的引入將抑制其他氣體在檢測過程中產(chǎn)生的干擾。這樣的數(shù)據(jù)結(jié)構(gòu)不僅包含了多維度數(shù)據(jù)的特點，也結(jié)合了時間序列數(shù)據(jù)的部分特點，但傳統(tǒng)的線性模型擬合效果一般，因此本文設(shè)計了基于機器學(xué)習(xí)方法的支持向量機模型(support vector machine，SVM)，通過歷史數(shù)據(jù)完成模型建立，并針對高維度的記憶序列特點，引入了基于模擬退火方法的回歸模型優(yōu)化方法。

圖2 有記憶的多通道儀器響應(yīng)數(shù)據(jù)結(jié)構(gòu)

2 模擬退火優(yōu)化的徑向量核支持向量回歸模型

支持向量回歸(support vector regression,SVR)是Vladimir Vapnik提出的支持向量機監(jiān)督學(xué)習(xí)算法在回歸問題中的變種，是機器學(xué)習(xí)中被廣泛應(yīng)用的高性能高穩(wěn)健性算法[11]。高維空間中，SVR通過凸優(yōu)化過程，迭代完成構(gòu)建超平面，完成實現(xiàn)樣本的有損劃分，最終依靠過程中的支持向量(support vector，SV)完成回歸任務(wù)。此過程可以構(gòu)建為如下模型：

(1)

式中：ω和b是構(gòu)成超平面y=wX+b的點法參數(shù)；φ(xi)是xi向希爾伯特空間的映射；C，ε和ζ是線性不可分過程中的軟間隔(soft margin)的懲罰項，C為懲罰強度，ε為對ζ和ζ*的邊界誤差允許程度。

該問題的拉格朗日對偶問題如下，兩者滿足Karush-Kuhn-Tucker條件，可等價求解(2)：

(2)

(3)

式中：γ為rbf核函數(shù)的轉(zhuǎn)換強度。

該過程中涉及到3個關(guān)鍵的超參數(shù)：決定了正則化懲罰強度的C和ε，以及rbf核中的γ。三者共同決定了SVR迭代過程中SV的求取，最終直接影響模型的精度和泛化能力，此模型即為rbf-svr模型。

本文在超參數(shù)配置過程中采用了模擬退火算法(simulated annealing，SA)完成求解。SA算法是一種帶有隨機過程的元啟發(fā)算法，是對金屬加工過程中退火過程的模仿[12-13]。rbf-svr模型配合SA算法的過程如圖3所示，其中H為C、ε和γ構(gòu)成的超參數(shù)分布集合：

圖3 模擬退火優(yōu)化算法流程圖

(1)初始化過程：配置初代指標參數(shù)s0=0，H=H0，H0為待搜索超參數(shù)的初始集。

(2)結(jié)合訓(xùn)練數(shù)據(jù)x后，得到次代指標s。

(3)當s>s0時，代表新狀態(tài)更優(yōu)秀，直接更新H0=H與s0=s；

(4)如果s

(5)更新迭代世代數(shù)k，并進行判斷，如果k達到迭代上限，輸出此時的H0作為最優(yōu)解；否則，對H加入search space的擾動量。

重復(fù)(2)至(5)過程，直到達成輸出條件。

3 實驗設(shè)計與驗證

3.1 數(shù)據(jù)集與數(shù)據(jù)相關(guān)性分析

本文人工嗅覺儀器響應(yīng)數(shù)據(jù)由意大利國家新技術(shù)、能源和可持續(xù)經(jīng)濟發(fā)展局(ENEA，national agency for new technologies，energy and sustainable economic development)提供[14]。

該數(shù)據(jù)采集自Pirelli實驗室開發(fā)的多通道人工嗅覺傳感器系統(tǒng)，其中傳感器陣列采用金屬氧化物化學(xué)電阻傳感器，可同時采集5種污染物儀器響應(yīng)值，簡要特性如表1所示。

表1 多通道人工嗅覺傳感器參數(shù)

ENEA同時提供了相關(guān)固定觀測站的5種空氣污染物的測量真值和采樣地點的溫濕度信息。針對如上數(shù)據(jù)集，截取時間間隔1 h的約15 d樣本，計算成對的相關(guān)系數(shù)得到如圖4所示，從相關(guān)系數(shù)矩陣可知，本文焦距的NMHC與其他4種污染物的真值間存在較高的相關(guān)性，和C6H6及NOx之間的peason相關(guān)系數(shù)分別為0.944 3及0.819 7。

圖4 5類污染物的peason積累相關(guān)系數(shù)矩陣

本文取5通道傳感器的響應(yīng)數(shù)值和溫濕度信息作為樣本數(shù)據(jù)集，取NMHC真值作為擬合目標值，采樣間隔為1h，采樣范圍約15 d，得到182個樣本的7維度原始數(shù)據(jù)集。將每個樣本點的前4個時刻的NMHC響應(yīng)值加入樣本，得到合計11維的178個有記憶樣本點。

將數(shù)據(jù)集中前130個樣本點作為訓(xùn)練集，該集合用來擬合模型；中間間隔24個樣本點后，以末尾24個樣本點作為測試集，用來評價模型的泛化能力。

3.2 模型評價指標

對于模型的整體擬合效果，采用決定系數(shù)(coefficient of determination，R2)和平均絕對誤差(mean absolute error，MAE)評價。

決定系數(shù)R2的計算方式如下，

(5)

決定系數(shù)R2是擬合優(yōu)度的指標，合法區(qū)間為[-1,1]，越接近于1的指標，代表模型擬合效果越出色。

平均絕對誤差的計算方式如下：

(6)

MAE代表樣本集成對的真值與觀察值誤差的整體分布，具有和真值相同的物理量綱，越接近于0的指標，代表擬合誤差越小。

對于擬合中的可能出現(xiàn)的異常結(jié)果，采用MedAE和最大誤差(Max error)計算。

(7)

(8)

MedAE和MaxError分別度量了殘差集中的中位數(shù)和最大值，參照兩者可以對模型擬合過程中存在異常結(jié)果的穩(wěn)健性進行平均，兩者的值越小，代表模型穩(wěn)健性越強。

3.3 算法實現(xiàn)環(huán)境

模型采用python3.9編程環(huán)境，svm家族模型采用libvim實現(xiàn)，偏最小二乘和彈性網(wǎng)線性模型采用scikit-learn實現(xiàn)，計算環(huán)境見表2。

表2 算法實現(xiàn)計算環(huán)境

為保證實驗過程中的現(xiàn)象可復(fù)現(xiàn)，實驗配置全部隨機數(shù)種子為615。數(shù)據(jù)轉(zhuǎn)換、預(yù)處理及樣本異常值處理采用numpy和pandas完成。對于SA算法，采用hyperactive完成配置。

實驗數(shù)據(jù)及模型源代碼已完成開源，可在MIT許可協(xié)議下獲取及測試[15]。

4 實驗結(jié)果與分析

4.1 線性模型建模與模擬退火優(yōu)化過程分析

對照實驗中采用2種線性模型和2種svr模型參數(shù)。線性偏最小二乘回歸模型(oplsr)和經(jīng)3-flods交叉檢驗確定系數(shù)的彈性網(wǎng)回歸模型(en3)[16]作為線性模型的對照組，linear-svr為線性核svr模型，該模型和rbf-svr模型配置為同樣的共有超參數(shù)。

配置起始溫度數(shù)值為1.00，退火過程中接受妥協(xié)的概率為0.90，單次退火過程的鄰域候選點數(shù)為5，隨機過程產(chǎn)生的隨機數(shù)滿足高斯分布。

搜索空間中，配置C為[1，10 000]的離散整型數(shù)，間隔為1；配置svr懲罰項ε和rbf核轉(zhuǎn)換強度γ的空間為初始數(shù)值上下各1個數(shù)量級的10 000個樣本點。對于ε的初值，按照文獻[17]配置為nsamples×var(X)的倒數(shù)。完成模擬退火參數(shù)和搜索空間配置后，進行104次迭代退火。

對于退火算法的評價指標，采用5-flods的交叉檢驗完成，并進一步在每flod中采用訓(xùn)練集的5-flods求解平均R2作為評價指標，以構(gòu)建雙cross validation過程確保泛化性能最大化。迭代過程中的rbf-svr函數(shù)限制迭代上限次數(shù)為103次，確保最終得到的優(yōu)化模型具有抗過擬合的性能。

sa-rbf-svr在最終數(shù)據(jù)集(better-svr_d3)的優(yōu)化迭代過程如圖5所示，x-y-z軸分別為C-γ-ε的取值，空間點顏色深度為5-flods得到的訓(xùn)練集R2平均值。在搜索空間立方中，只有C-ε平面的高精度的點分布均勻，證明SA過程中對kernel自身的轉(zhuǎn)換強度更偏重，可知模型的訓(xùn)練精度對rbf函數(shù)中γ系數(shù)的更為依賴。

圖5 基于模擬退火的rbf-svr優(yōu)化的三維可視過程

4.2 結(jié)果分析

將實驗結(jié)果按決定系數(shù)R2排序，如表3所示，d1和d2分別代表傳感器單通道和多通道的響應(yīng)數(shù)據(jù)，d3是融合了NMHC前4個時序的響應(yīng)的有記憶數(shù)據(jù)集。better-svr表示sa-rbf-svr模型。svr類模型相比線性模型具有更優(yōu)秀的性能?；赗2指標，sa-rbf-svr模型在結(jié)合了記憶的多通道數(shù)據(jù)d3中，具有0.984 1的R2指標，在所有測試集結(jié)果中表現(xiàn)最好，偏最小二乘回歸oplsr和3折彈性網(wǎng)回歸en3模型，在分別與d3和d2結(jié)合后，可得到0.978 8和0.978 1的決定系數(shù)，分別代表了兩類線性模型的最優(yōu)結(jié)果。在測試集中，sa-rbf-svr模型具有最好的擬合效果。

圖6是針對擬合實際情況的MAPE繪制的條形對比圖，該項指標代表了完成了歸一化指標的MAE的距離，linear-svr的3種MAPE指標均環(huán)比最劣，對應(yīng)的在表3中，其相關(guān)系數(shù)在d1模式下為負值，d2和d3模式下也較為低下。在各類數(shù)據(jù)模型中的linear-svr均表現(xiàn)不佳，這和rbf-svr和sa-rbf-svr形成了鮮明對比。

表3 對比建模效果評價

圖6 線性模型與svr模型的MAPE對比

以oplsr模型作為線性模型代表和sa-rbf-svr對比，將測試集中MAE、MaxError和MedAE三項指標繪制雷達圖(見圖7)，由圖7可知，兩類svr模型，實際上具有更大的最大誤差，但盡可能將中位數(shù)誤差控制在一定范圍內(nèi)。偏最小二乘回歸模型oplsr和3折彈性網(wǎng)回歸的R2指標和最優(yōu)的sa-rbf-svr相近，但根據(jù)MAPE的對比，這兩類線性模型的表現(xiàn)均無法和sa-rbf-svr對比。

圖7 線性模型與sa-rbf-svr穩(wěn)定性三維指標雷達圖

圖8將測試集的預(yù)測結(jié)果和真值進行比較，可見oplsr_d2模型的高R2指標，是對若干極端點的擬合貢獻的，實際擬合過程中的貼合度并非R2反應(yīng)的確切。對于測試集中的局部極值樣本擬合效果，如1 d和11 d兩處的尖峰，以及14 d處的下轉(zhuǎn)折點，點折線條表示的oplsr_d3貼合緊密，但其他樣本的擬合程度則不如svr模型準確。因此，實際應(yīng)用效果中，oplsr的實用性不如sa-rbf-svm。

圖8 真實值與回歸結(jié)果對比

5 結(jié)論

人工嗅覺傳感器系統(tǒng)應(yīng)用中，通過對比單通道擬合單項數(shù)據(jù)的數(shù)據(jù)集d1與多通道共同作用的數(shù)據(jù)集d2，可知應(yīng)用多維儀器響應(yīng)作為數(shù)據(jù)集，可以更加準確的擬合單項氣體數(shù)據(jù)的濃度。通過對比有記憶的數(shù)據(jù)集d3與無記憶的數(shù)據(jù)集d2各項模型的指標后，可知將儀器響應(yīng)歷史記憶數(shù)據(jù)的引入，可進一步提高人工嗅覺系統(tǒng)的識別精度。

在人工嗅覺系統(tǒng)多維響應(yīng)建模的過程，svr算法比傳統(tǒng)的線性算法具有更好的擬合強度，但此過程需要正確配置kernel函數(shù)，并將對應(yīng)超參數(shù)合理選擇。對于核函數(shù)，rbf核函數(shù)相比于linear核具有更好的擬合效果，對于超參數(shù)選擇，sa方法引入后的sa-rbf-svr可以進一步將支持向量回歸的性能提升。

綜上所述，sa-rbf-svr模型結(jié)合有記憶多儀器響應(yīng)的數(shù)據(jù)的氣體模型識別具有更好的預(yù)測性能，結(jié)合帶有記憶的多維度數(shù)據(jù)，可將R2從0.924 8提升至0.984 1，MAE指標從41.057 5提升至15.244 4?？捎行Ц纳迫斯ば嵊X系統(tǒng)中的識別過程。