[发明专利]一种基于近红外光谱检测的原油属性快速预测方法

权利要求书

1.一种构建用于原油属性预测的近红外模型的方法，其特征在于，所述方法包括：

(1)检测不同种类的原油样品的属性；

(2)测定所述原油样品的近红外光谱图；

(3)对步骤(2)获得的近红外光谱图中的12500～4000cm^-1谱区的吸光度进行一阶微分处理与多元散射校正；

(4)对步骤(3)获得的光谱进行主成分分析，保存每个样本的主成分得分，并且计算每一个原油样本的T2值，并且与阈值进行对比，剔除大于阈值的样本，建立初始训练集；

(5)以步骤(4)获得的初始训练集中的主成分得分作为特征变量，利用样本间的欧式距离来选择样本，确定最终训练集；

(6)利用移动窗口偏最小二乘法选择一个或多个波数段，用于建立模型；和

(7)利用回归方法建立原油属性与近红外光谱之间的近红外模型。

2.如权利要求1所述的方法，其特征在于，

所述属性选自：密度、硫含量、氮含量、酸值、残炭和实沸点蒸馏数据中的一个或多个；

步骤(1)中原油样本的数量为100～600份；采用离线或在线近红外分析仪采集原油样品的近红外光谱数据。

3.如权利要求1或2所述的方法，其特征在于，步骤(2)所述的测定中，光谱扫描范围为4000-12500cm^-1，分辨率为2-32cm^-1，重复扫描10-400次，取平均近红外光谱值。

4.如权利要求1－3中任一项所述的方法，其特征在于，步骤(3)所述的一阶微分处理与多元散射校正包括：

(a)计算每一样品的平均光谱和

(b)对一光谱x与进行线性回归，用最小二乘法求取b₀和b；

其中，处理后的光谱为x_MSC＝(x-b₀)/b。

5.如权利要求1－3中任一项所述的方法，其特征在于，

步骤(4)中，如下计算T2值：

Tj2=Σiter=1Itertiter2σtiter2]]>

上式中，t为原始光谱矩阵X经过主成分分析降维后的变量，σ为t的标准差，Iter为提取的主成分个数，iter指第iter个主成分，j指第j个样本；

步骤(4)中，如下计算所述阈值：计算样本库中的所有光谱样本的T2值，并以99％的置信区间为阈值上限，根据F分布表由下式计算得到所述阈值，其中，n为样本数，F0.001指F检验，置信度0.01：

T2crit=Iter(n-1)(n+1)n(n-Iter)F0.01(Iter,n-Iter).]]>