[发明专利]一种对油品样本做致密化的处理方法

说明书

技术领域

本发明属于石油石化测量技术领域，涉及一种对油品样本做致密化的处理方法。

背景技术

油品性质预测模型建立的关键是代表性样本和对应的常规化验分析性质的获取。然而，油品的性质可多达十余项，有些性质如柴油的十六烷值、汽油的辛烷值等获得的经济成本非常高，所以获得一个油品对应的所有性质耗费的经济、人力、时间成本是很高的，这就导致了样本的获取往往是有限的。不管是基于模式识别的油品性质检测模型还是传统的偏最小二乘模型都是基于同类相似样本进行性质预测，如果某类油品获得的样本量很少，势必影响预测精度。

传统的油品性质预测模型都没有考虑某类样本量较少时的处理情况，导致预测精度较低。

发明内容

(一)要解决的技术问题

为了解决获取的油品代表性样本很少影响到油品性质的检测精度，或者为了获取油品足够多的代表性样本成本昂贵的问题，本发明提一种对油品样本做致密化的处理方法。

(二)技术方案

本发明是一种对油品样本做致密化的处理方法，该方法的步骤包括：

步骤S1：采集包含各类油品的代表性样本和油品样本的近红外谱图，并用主成份分析法提取出谱图特征，将油品样本的谱图投影到特征平面上；

步骤S2：在特征平面上对样本集聚类，找出样本点的某个稀疏类样本集A；

步骤S3：参照稀疏类样本集A中样本点的分布情况和覆盖范围确定一个半径r₀；

步骤S4：计算稀疏类样本集A中所有样本点的两两点之间的距离；

步骤S5：如果某两点a_i与a_j之间的距离满足d(a_i，a_j)＞r₀，则找到这两点之间的中点

步骤S6：以点为中心，以r₀为半径确定点的一个邻域稀疏类样本集A减去点a_i、a_j之后的集合是A-{a_i，a_j}，判断与A-{a_i，a_j}是否有交集，如果有交集，则不添加点到稀疏类样本集A中，返回步骤S5；如果没有交集，则进入步骤S7寻找点的邻近点；

步骤S7：以点为中心，Δr为步长，r₀+Δr为半径确定一个圆，如果圆中有稀疏类样本集A中的点，则将圆中的点确定为点的邻近点；如果圆中没有稀疏类样本集A中的点，则放大步长Δr在更大的圆中继续寻找点的邻近点；

步骤S8：根据基于模式识别与谱图映射对油品多类性质的检测方法用点的邻近点的性质计算出点的性质，然后将点添加到该稀疏类样本集A中。

(三)有益效果

本发明一种对油品样本做致密化的处理方法，属于石油石化测量技术领域。建立油品性质的预测模型时，需要采集代表性油品样本和其对应的常规化验分析性质，然而性质的获取一般成本较高，同时油品性质的预测又要满足一定的技术考核指标。针对训练集样本数量较少，引起模型预测精度下降的问题，本发明的致密化方法以样本空间模式聚类为基础，基于谱图映射的方法与邻近点模型预测方法，可对任意的样本空间进行致密化处理，有效地解决了上述问题，为降低企业的建模费用，保证模型的适应性，提供了可靠的保障。

附图说明

图1示出本发明的使用实施例谱图采集系统的硬件框图。

图2示出本发明的谱图致密化方法流程图。

图3示出在未致密化的样本集中选择未知样本的相邻点。

图4示出在致密化的样本集中选择未知样本的相邻点。

图5示出进行谱图致密化与未进行谱图致密化对凝点性质预测效果的比较。

具体实施方式

当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，显然，本领域技术人员基于本发明的宗旨所做的许多修改和变化属于本发明的保护范围。