[发明专利]一种利用近红外光谱预测油品物性数据的方法

说明书

技术领域

本发明为一种利用近红外光谱预测油品物性数据的方法，具体地说，是通过建立已知样品数据库，由数据库样品数据预测油品物性数据的方法。

背景技术

因现代分子光谱技术(近红外、红外和拉曼等)具有快速、可多性质同时测量以及适合在线无损分析等特点，目前已被越来越多地应用到石化、农业和制药等领域，尤其是在过程分析方面发挥着积极的不可替代的作用。但是，这些技术都需要采用化学计量学方法建立校正模型，而所建的校正模型有一定的适用范围，并非一劳永逸。若待测样本的组成与校正集样本存在较大差异，则需要对校正模型进行扩充更新。建立定量校正模型常用的多元校正方法是偏最小二乘方法(PLS)、人工神经网络(ANN)或支持向量机(SVM)等，还需根据具体的应用对象对光谱进行预处理和光谱区间优选等操作，因所选参数多、多元校正方法较难理解和掌握等原因，模型的建立通常需要受过训练的专业人员来完成，这成为制约该技术广泛推广使用的瓶颈问题，很多近红外分析仪都因为校正模型维护不及时而不能发挥其应有的作用。

基于光谱模式识别的局部(Local)样本方法，可以在一定程度上解决模型频繁更新的问题。这种方法的基本思路是，通过光谱特征参数(如傅立叶系数、小波系数或主成分得分等)从光谱数据库中识别出最相近的一组样本，然后用这些样本通过特定计算方式得到最终的预测结果。Local方法可避免传统多元校正方法因样品组成等变动而需要频繁更新模型的弊病，但这种方法要求库中必须有和待测样本极其相似的光谱，否则将得到误差很大的结果。而且，针对特定的分析对象，用户仍需确定选取局部样品的识别方式，以及如何基于这些局部样本得到最终预测结果的计算方法。采用不同的样品识别方式和计算方法，将得到差异很大的预测结果。因此，这类方法的应用推广也受到了一定限制。

CN1727877A公开了一种由近红外光谱测定汽油性质数据的方法，以汽油样品的四个近红外吸收波段的特征峰面积为基本参数计算样品的编码数值，并将此数值与该样品的性质数据相对应，由此建立标准样品的数据库。对未知样品进行测试时，只需由该未知样品的近红外谱图数据计算其编码数值，即可由数据库中具有相应编码数值的样品性质数据预测未知样品的性质数据，因而不用建立标准样品校正曲线，省去了建立预测模型的工作量。

发明内容

本发明的目的是提供一种利用已知的近红外光谱数据库对未知油品性质进行快速预测的方法，在扩充数据库覆盖范围时，该方法不需要进行传统繁琐的模型更新步骤，使用者不需掌握较多的专业知识，只需向数据库添加扩充样本的光谱及对应的基础数据即可方便完成。

本发明提供的利用近红外光谱预测油品物性数据的方法，包括如下步骤：

(1)将油品按性质分类，每类收集一组样本，每组样本数量至少为100个，测定每个样本的近红外光谱，再用常规方法按油品类别测定每个样本需要预测的物性数据，

(2)对每个样本的近红外光谱分别进行一阶微分和二阶微分并归一化，将每一样本归一化后的一阶微分和二阶微分光谱并排组合，或将每个样本的近红外光谱进行小波变换处理，采用Daubechies(db4)小波基函数，光谱分解尺度为7，选取第3～6小波细节系数，分别进行归一化处理后并排组合，

(3)将每个样本经并排组合后的近红外光谱与其测定的物性数据对应，按油品类别分别建立近红外光谱数据库，

(4)测定待测样品的近红外光谱，按(2)步方法进行并排组合，

(5)根据待测样本的油品类型，选择相应的近红外光谱数据库，利用库光谱数据对待测样本按下述方法进行拟合处理，

a)按式①表示待测样本光谱，求得库光谱的拟合系数，

x=Σi=1kaivi]]>①

式①中，x为待测样本经并排组合后所得的光谱，v_i为第i个库光谱，k为库光谱的数目，a_i为第i个库光谱对应的拟合系数，

拟合系数a_i采用经典的非负约束最小二乘法求出，即满足如下目标函数：