基于算术优化算法改进支持向量机的VOCs混合气体识别研究

摘要

金属氧化物半导体（MOS）气体传感器具有高灵敏度、低成本、高稳定性，在气体传感器领域被广泛应用。然而，MOS气体传感器对同类气体存在交叉敏感性，限制了其在混合气体检测中的准确性。为提升传感器的定性识别性能，本研究以WO₃气体传感器为研究对象，采用算术优化算法（AOA）优化支持向量机（SVM）参数，提升模型的准确度和计算效率。实验结果表明，WO₃气体传感器对三乙胺（TEA）具有高选择性，结合优化后的SVM算法，对二元混合气体的识别准确率达85%以上，较原始SVM模型提升6%。该方法在复杂气体环境中表现出优越的分类精度和计算效率，为实时气体检测提供了新思路。

关键词

水热法 / WO₃ / 支持向量机 / 算术优化算法 / 气体传感器 / 机器学习