[发明专利]一种基于加权吸光度及相似样本的汽油性质检测方法

说明书

技术领域

本发明涉及炼油企业汽油检测，尤其是汽油性质的快速预测，具体是一种基于加权吸光度及相似样本的汽油性质检测方法。

背景技术

在炼油加工及汽油调合的过程中，需要分析直馏汽油及成品汽油的多种性质，如辛烷值、馏程、组成等常规的分析需要多种分析方法来完成，且分析速度慢、操作繁琐、使用较多的人力财力，不利于炼油及调合过程中的质量控制。而如今随着不断发展的计算机技术，使在极短时间内分析大量数据得以实现，促进了光谱技术的发展，使油品分析从根本上脱离了古老繁琐的分析方法，可在短时间内得到成品汽油及各种组分油的大量性质数据，在工厂炼油加工及汽油调合中起着重要的指导作用。

目前在汽油性质分析工业应用中比较成熟且前景较好的方法有NIR，一般用作二级分析手段，即首先采集已知性质样品的光谱，用化学计量学方法建立校正模型，然后用此模型预测未知样品光谱对应的性质。这种分析特性使得NIR技术在模型建立完善的情况下，可以仅通过一次采谱，即可在很短的时间内获得样品的各项性质指标。

在实际生产过程中，由于油样的性质是不断波动的，而普通的建模方法预测精度较差，不能满足实际需要。目前有直接采用样本光谱查找相似样本来进行建模的方法，这种方法一定程度上提高了模型的预测精度，而本专利在此基础上做了一定的改进，本专利通过将汽油性质与光谱吸光度相结合方式计算光谱距离，并在已知光谱库中查找待测样本的临近点，最终建立局部偏最小二乘模型对待测样本进行预测，该方法进一步提高了模型的预测精度，从而更加满足实际生产的需要。

发明内容

为进一步提高模型的预测精度，本发明提出了一种基于加权分类的汽油性质检测方法，计算汽油性质与吸光度的相关系数，将其与吸光度结合得到加权的样本吸光度，并通过加权吸光度的得分矩阵计算光谱距离进行相似分类挑选建模样本，具有以下过程：

(1)获取待测样本的近红外光谱；

(2)对待测样本和光谱库中已知样本的近红外光谱进行常规预处理；

(3)计算已知样本的吸光度和汽油性质的相关系数R，如下式所示：

式中，x_i，y_i(i＝1，2，…，n)分别为已知样本的吸光度和汽油性质；分别为两个变量x_i，y_i的平均值；n为两个变量x_i，y_i的样本个数；

(4)将步骤(3)中相关系数R作为权重，通过下式计算得到加权的样本吸光度：

x_iR＝R.*x_i

式中，x_i为已知样本和待测样本的吸光度向量，x_iR为样本的加权吸光度；

(5)采用主成分分析，计算加权吸光度的得分矩阵，选取得分矩阵中第一和第二主成分得到新得分矩阵；

(6)利用步骤(5)所得的新得分矩阵计算待测样本与数据库样本的马氏距离，如下式所示：

其中M_j是指待测样本与光谱数据库中第j个样本间的马氏距离，t为待测样本新得分向量，T_j为光谱数据库中第j个样本的新得分向量，V为样本的协方差矩阵，乘以a表示为便于比较，将光谱距离扩大a倍；

(7)选择马氏距离最近的b个相似样本，建立局部模型；

(8)通过局部模型对待测样本进行预测。

优选的实施例中，步骤(6)中，a取值为10。

优选的实施例中，步骤(7)中，b取值为15。

有益效果：

本发明提出了一种基于加权吸光度及相似样本的汽油性质检测方法，在对光谱进行传统预处理后，通过计算相关系数得到加权了的样本吸光度，再通过主成分分析提取出承载90％以上光谱特征信息的得分矩阵，计算光谱距离并调出离待测样本最近的一定数量样本作为建模样本，建立局部偏最小二乘模型，这种方法充分考虑了汽油性质对光谱距离的影响，有效避免分类不准确的现象，从而进一步提高了模型精度。为炼厂准确测量汽油性质，及时调整操作参数提供重要保障。

附图说明

图1研究法辛烷值相关系数图及加权图。

图2密度相关系数图及加权图。

图3样本第一和第二主成分分布图。

图4是基于加权分类的汽油性质检测方法的步骤。