基于機(jī)器學(xué)習(xí)的氣體傳感器數(shù)據(jù)處理算法解析

辛忠洋

（中國(guó)移動(dòng)通信集團(tuán)山東有限公司濟(jì)寧分公司，山東 濟(jì)寧 272000）

1 什么是氣體傳感器數(shù)據(jù)

作為對(duì)氣體進(jìn)行檢測(cè)的技術(shù)之一，機(jī)器嗅覺可被拆分成兩部分，分別是對(duì)傳感數(shù)據(jù)進(jìn)行采集、對(duì)采集數(shù)據(jù)進(jìn)行處理，其中，對(duì)系統(tǒng)輸出起決定作用的環(huán)節(jié)為數(shù)據(jù)處理。氣體數(shù)據(jù)是指氣體傳感器以陣列為依托，通過長(zhǎng)期收集所得到數(shù)據(jù)。對(duì)數(shù)據(jù)進(jìn)行收集期間，相關(guān)人員應(yīng)對(duì)壓力、溫度等外部環(huán)境嚴(yán)加控制。

對(duì)氣體數(shù)據(jù)加以表示所用音頻及圖像數(shù)據(jù)，通常有顯著差異存在，相關(guān)人員考慮到氣體數(shù)據(jù)的獲得途徑是陣列采樣，故提出用以下公式對(duì)數(shù)據(jù)樣本進(jìn)行表達(dá)：

式中，si為數(shù)據(jù)特征i；m為特征數(shù)量。由此可見，要想使特征數(shù)據(jù)集得到準(zhǔn)確表示，可采用以下公式：

式中，gj為樣本數(shù)據(jù)j；n為樣本數(shù)量。要想使機(jī)器學(xué)習(xí)算法取得符合心理預(yù)期的良好分類效果，關(guān)鍵是提前處理氣體數(shù)據(jù)。對(duì)諸多因素加以考慮后，相關(guān)人員提出以下處理策略：一是數(shù)據(jù)標(biāo)準(zhǔn)化，二是PCA。其中，PCA需要尤為注意，作為著重分析主成分的技術(shù)，PCA強(qiáng)調(diào)以降維思想為指導(dǎo)，確保單指標(biāo)能夠被有效轉(zhuǎn)變成綜合指標(biāo)。

2 機(jī)器學(xué)習(xí)算法解析

2.1 建立模型

2.1.1 評(píng)價(jià)指標(biāo)

對(duì)回歸模型進(jìn)行評(píng)價(jià)的指標(biāo)，主要有MSE、MAE和RMSE，其中，對(duì)MSE進(jìn)行計(jì)算的公式為：

由上述公式可知，該指標(biāo)強(qiáng)調(diào)先對(duì)真實(shí)值、預(yù)測(cè)值進(jìn)行減法計(jì)算，獲得偏方后，再對(duì)平均值進(jìn)行求解。由于回歸模型的損失函數(shù)多為MSE，這也表明在預(yù)測(cè)環(huán)節(jié)將MSE視作評(píng)價(jià)指標(biāo)有實(shí)際意義。

對(duì)MAE進(jìn)行計(jì)算的公式為：

作為線性分?jǐn)?shù)的一種，MAE的特點(diǎn)是個(gè)體誤差對(duì)應(yīng)平均值有相等權(quán)重，即：個(gè)體誤差均要接受線性懲罰。上文提到的MSE和下文即將介紹的RMSE，其誤差懲罰均為非線性懲罰，這點(diǎn)較易被忽略。

RMSE是以MSE為基礎(chǔ)所進(jìn)行的開根計(jì)算，其公式為：

如果數(shù)據(jù)有偏大的數(shù)量級(jí)，將有一定概率出現(xiàn)較高平方誤差，對(duì)MES進(jìn)行開根計(jì)算，可保證誤差結(jié)果與數(shù)據(jù)始終處于相同數(shù)量級(jí)。

2.1.2 人工神經(jīng)網(wǎng)絡(luò)

將ANN和回歸問題相結(jié)合，損失函數(shù)往往為MSE，要求相關(guān)人員以梯度下降法為依托，對(duì)模型進(jìn)行優(yōu)化訓(xùn)練。除特殊情況外，網(wǎng)絡(luò)輸出層均不對(duì)激活函數(shù)加以使用，這是因?yàn)轭A(yù)測(cè)數(shù)值范圍有一定概率出現(xiàn)超出常用值域范圍的問題，進(jìn)而使預(yù)測(cè)計(jì)算無法更進(jìn)一步。對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練較易出現(xiàn)過擬合情況。基于ANN所展開訓(xùn)練可被劃分到監(jiān)督學(xué)習(xí)陣營(yíng)，要想使訓(xùn)練效果達(dá)到預(yù)期，關(guān)鍵是要有充足的標(biāo)簽樣本提供支持。本文所研究氣體傳感器相關(guān)數(shù)據(jù)，通常要經(jīng)過數(shù)年的收集或累積，可被用來輔助訓(xùn)練展開的樣本數(shù)量有限，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的難度不言而喻。要想使上述問題得到解決，關(guān)鍵是以實(shí)際情況為依據(jù)，通過提前終止或是數(shù)據(jù)增強(qiáng)等方法，確保過擬合問題可得到有效預(yù)防[1]。

2.1.3 支持向量機(jī)

回 歸 數(shù) 據(jù) 集 固 定，通 常 是T={（x1，y1），（x2，y2），…，（xN，yN），}，其中，xi的取值范圍是Rn，i的取值范圍是1至N。相關(guān)人員希望能夠得到取值與y相近的回歸模型：

在該模型中，w、b均屬于模型參數(shù)。常規(guī)回歸模型用來展開損失計(jì)算所依托對(duì)象，通常以真實(shí)值、模型輸出值為主，只有二者數(shù)值相等，才能得出損失是0的結(jié)論。本文所討論支持向量機(jī)的特點(diǎn)，則是能夠容忍二者有誤差ε存在，只有二者誤差較ε更大時(shí)，才會(huì)對(duì)損失進(jìn)行計(jì)算。

基于支持向量機(jī)所建立回歸模型、分類模型，在優(yōu)化問題的處理方面，通常會(huì)采取相同的方法，即：先借助拉格朗日乘子將優(yōu)化問題轉(zhuǎn)變成對(duì)偶問題，再對(duì)問題進(jìn)行解答。求解時(shí)，相關(guān)人員可根據(jù)實(shí)際情況決定是否用核函數(shù)對(duì)內(nèi)積進(jìn)行替代，確保特征能夠得到自低維至高維的有序映射。但要注意一點(diǎn)，計(jì)算對(duì)象首選低維，這樣做可降低計(jì)算難度，保證計(jì)算準(zhǔn)確。

2.2 實(shí)驗(yàn)分析

2.2.1 實(shí)驗(yàn)說明

相關(guān)人員出于對(duì)比不同算法所取得分類效果的考慮，決定以前人研究所得氣體傳感器相關(guān)數(shù)據(jù)為依據(jù)，通過隨機(jī)挑選的方式，確定本次實(shí)驗(yàn)所需乙醇樣本，共600個(gè)，樣本的乙醇濃度在10至600間。將乙醇樣本平均分成3組，每組的樣本數(shù)量為200個(gè)，僅對(duì)第1組樣本進(jìn)行訓(xùn)練，剩余兩組作為測(cè)試組。為確保實(shí)驗(yàn)有實(shí)際意義，相關(guān)人員還制定了以下對(duì)比方案：方案1，僅利用Z-score對(duì)數(shù)據(jù)進(jìn)行處理。方案2，在利用Z-score進(jìn)行處理的基礎(chǔ)上，借助PCA完成降維與特征提取操作。

2.2.2 人工神經(jīng)網(wǎng)絡(luò)

在參數(shù)過多的情況下，ANN有一定概率出現(xiàn)過擬合情況。而較多的網(wǎng)絡(luò)層數(shù)所帶來的問題，通常是梯度消失。對(duì)諸多因素加以考慮后，相關(guān)人員提出以隱藏層數(shù)量為一個(gè)的網(wǎng)絡(luò)為依據(jù)，對(duì)回歸任務(wù)進(jìn)行落實(shí)，將該網(wǎng)絡(luò)隱藏層共設(shè)128個(gè)神經(jīng)元并接入ReLU，用來對(duì)函數(shù)進(jìn)行激活，輸出層則不對(duì)激活函數(shù)加以使用。另外，相關(guān)人員還計(jì)劃通過提前終止的方式，對(duì)過擬合問題進(jìn)行控制。本次實(shí)驗(yàn)的結(jié)果如下：

表1 回歸結(jié)果

由實(shí)驗(yàn)結(jié)果可知，基于人工神經(jīng)網(wǎng)絡(luò)所建立回歸模型，對(duì)方案1加以使用，通?？扇〉幂^為理想的效果，簡(jiǎn)單來說，就是憑借Z-score處理特征數(shù)據(jù)。這表明PCA降維所造成影響，往往集中在特征表達(dá)領(lǐng)域，方案2優(yōu)勢(shì)的發(fā)揮自然會(huì)受到制約。

2.2.3 支持向量機(jī)

相關(guān)人員出于對(duì)傳感器數(shù)據(jù)所存在聯(lián)系進(jìn)行準(zhǔn)確表達(dá)的考慮，決定利用徑向基函數(shù)完成回歸實(shí)驗(yàn)，借助網(wǎng)格搜索法，對(duì)C和gamma的最優(yōu)值加以確定，作出這一決定的原因，主要是徑向基函數(shù)有極強(qiáng)的映射能力。表2為網(wǎng)格搜索結(jié)果。

表2 不同方案的最優(yōu)超參數(shù)

相關(guān)人員可借助最優(yōu)超參數(shù)，基于不同方案分別訓(xùn)練第1組數(shù)據(jù)，將R2視為評(píng)價(jià)回歸結(jié)果的核心指標(biāo)，對(duì)比其他組數(shù)據(jù)，得出表3的結(jié)果。

表3 回歸結(jié)果

對(duì)上述計(jì)算公式進(jìn)行分析能夠發(fā)現(xiàn)，R2≤1，這表明R2的取值越靠近1，模型效果越理想，如果R2=1，則表明當(dāng)前預(yù)測(cè)結(jié)果無誤差存在，若R2=0，該模型則具備成為基準(zhǔn)模型的條件。這里提到的基準(zhǔn)模型，主要是指并未對(duì)特征取值加以考慮，而是以樣本均值為依據(jù)，對(duì)預(yù)測(cè)值加以確定的模型。由此可見，將R2視為評(píng)價(jià)模型質(zhì)量的指標(biāo)，即便評(píng)價(jià)對(duì)象不同，最終結(jié)果仍有實(shí)際意義。

結(jié)合表3所給出數(shù)據(jù)可知，方案2所取得回歸效果較方案1更符合預(yù)期，這表明基于PCA做降維處理，可使支持向量機(jī)效果得到優(yōu)化，對(duì)氣體樣本相關(guān)特征進(jìn)行提取時(shí)，同樣可選擇引入PCA降維，為回歸精度提供保證。

2.2.4 比較分析

上文分別分析了基于不同算法所進(jìn)行實(shí)驗(yàn)的結(jié)果，從不同維度對(duì)上述方法進(jìn)行分析可得出以下結(jié)論：其一，將方案2與支持向量機(jī)結(jié)合，可獲得最接近預(yù)期的回歸效果。其二，將方案2與ANN結(jié)合，其回歸效果往往差強(qiáng)人意。其三，基于方案1所展開實(shí)驗(yàn)的效果和方案2相反。從全局視角來看，相關(guān)人員所采取方案并不會(huì)給最終效果帶來決定性影響，即：支持向量機(jī)所取得效果，均較人工神經(jīng)網(wǎng)絡(luò)更接近理想水平。

現(xiàn)將本次實(shí)驗(yàn)所得到結(jié)論歸納如下，供相關(guān)人員參考：首先是對(duì)氣體濃度回歸而言，支持向量機(jī)所取得效果明顯較人工神經(jīng)網(wǎng)絡(luò)更符合實(shí)驗(yàn)要求。其次是PCA降維與網(wǎng)絡(luò)特征表達(dá)的關(guān)聯(lián)十分密切。最后是PCA降維+Z-score的組合，在多數(shù)情況下，均可被用來對(duì)氣體濃度進(jìn)行準(zhǔn)確預(yù)測(cè)。

3 結(jié)束語

持續(xù)發(fā)展的機(jī)械嗅覺技術(shù)，現(xiàn)已被應(yīng)用在航天航空、食品安全還有環(huán)境檢測(cè)等領(lǐng)域，作為組成機(jī)器嗅覺不可缺少的部分，識(shí)別氣體濃度的重要性有目共睹。本文著重討論了如何利用機(jī)器學(xué)習(xí)對(duì)氣體數(shù)據(jù)進(jìn)行處理，通過實(shí)驗(yàn)分析的方式，對(duì)不同算法所取得效果進(jìn)行對(duì)比，并得出可使效果最接近預(yù)期的算法，即邏輯回歸+人工神經(jīng)網(wǎng)絡(luò)。