[发明专利]一种基于大数据的油品质量分析系统

说明书

本发明公开了一种基于大数据的油品质量分析系统，其包括群落分析子系统、溯源分析子系统和相关性分析子系统。其中，群落分析子系统包括特征筛选模块、分类划分模块、无监督聚类模块和群落分析模块；溯源分析子系统包括特征筛选模块、样本平衡模块、模型建立模块和溯源分析模块；相关性分析子系统包括指标相关性分析模块和群落相关性分析模块。采用本发明可以通过探索隐藏于质检数据之后的潜在规律，寻找油品检测指标之间的相关性，并通过油品群落分析与油品溯源分析，提前发现问题油品，并建立油品与生产型供应商的相互关系，进一步提高中国石化油品质量的风险管控能力。

技术领域

本发明涉及油品质量数据检验分析技术，尤其涉及一种基于大数据的油品质量分析系统。

背景技术

当前，油品质量主要是通过实验室信息管理系统(Laboratory InformationManagement System，以下简称LIMS)来进行管理，世界上最早的LIMS(1982年术语提出)应用起源于20世纪60年代末美国的一些高等学校、研究所和化学公司。历经了研究、发展、商品化三个阶段。之后随着计算机技术、网络通讯技术、数据库和仪器仪表的飞速发展，LIMS技术的应用进入了一个崭新的时代，世界上著名的艾克森美孚(Exxon-Mobil)石油公司，壳牌(Shell)石油公司等早已推广应用了LIMS技术。

LIMS主要面向实验室工作人员和质量管理技术人员。LIMS的广泛应用，无疑为实验室管理人员带来了很大的方便。近年，在油品质量处理方面出现了以谱库为基础的专业方法，以及图象分析系统、专家系统等，但是对质量结果的深层次挖掘应用却比较薄弱。尤其随着大数据技术的发展，越发显得LIMS数据的分析应用需要加强。

如何依托于现有的LIMS系统，以炼厂成品油、外采供应商成品油以及区域性市场成品油质量数据库中的历史沉淀数据以及当前质量数据为基础，使用数据驱动的方式对现有产品质检数据进行深入的分析与挖掘，结合业内先进的大数据处理、整合、分析与展现技术，为中国石化进一步提高中国石化油品质量的风险管控能力，提升中国石化的整体品牌形象显得尤为迫切。

发明内容

针对上述问题，本发明提出了一种基于大数据的油品质量分析系统。该系统主要包括：

群落分析子系统，其包括：

特征筛选模块，其用于根据油品样本数据确定用来建立油品分类模型的油品属性特征；

分类划分模块，其用于根据油品分类模型将油品样本数据划分成若干类别；

无监督聚类模块，其用于根据油品间的相似性，利用无监督聚类模型将经过分类划分的油品样本数据的每一类进一步细分成若干群落；

群落分析模块，其用于对划分后的各个群落进行特征归纳和油品画像，并对各个群落间的油品差异进行分析；

溯源分析子系统，其包括：

特征筛选模块，其用于根据油品样本数据筛选用来建立油品生产厂匹配模型的油品特征指标，并建立油品特征指标体系；

样本平衡模块，其用于针对每一个要建立油品生产厂匹配模型的油品供应商，将该供应商的油品样本数据与其他供应商的油品样本数据分别作为正样本与负样本，进行样本平衡处理；

模型建立模块，其用于针对每一个要建立油品生产厂匹配模型的油品供应商，基于建立的油品特征指标体系和平衡后的油品样本数据，利用二分类算法建立油品生产厂匹配模型；

溯源分析模块，其基于各个油品供应商的油品生产厂匹配模型，分析新进油品与各个油品供应商的油品的相似度，据此推测所述新进油品的来源；

相关性分析子系统，其包括：

指标相关性分析模块，其用于根据油品样本数据分析油品检测指标之间的相关性；