摘要
本发明涉及气体浓度检测领域，具体公开了用于天然气红外光谱测量的实时反馈与自适应学习方法，包括如下步骤：步骤S1：使用红外光谱仪获取天然气体的红外光谱信息，构建历史样本集；步骤S2：对所述历史样本集的光谱数据进行预处理；步骤S3：采用XGBoost以及贝叶斯优化选择最优算法及超参数；步骤S4：构建定性模型识别气体种类并匹配数据；步骤S5：通过Siamese网络计算现场与历史样本相似度并设阈值筛选局部数据；步骤S6：改进KNN构建局部动态定量模型预测浓度；步骤S7：全局动态模型处理低相似异常数据，结合移动平均与异常校准提升可靠性；步骤S8：引入强化学习和在线梯度下降实时调参优化精度。本发明的技术方案能够在复杂环境下进行较高准确性的天然气检测。
