[发明专利]近红外光谱预测蒸汽裂解汽油中单环芳烃收率模的方法

权利要求书

1.一种采用近红外光谱预测蒸汽裂解液相油品中单环芳烃收率的方法，其中，包括以下步骤：

步骤1：将所需预测油品进行近红外(NIR)扫描，得到所述油品的近红外光谱信息；

步骤2：基于所述油品的近红外光谱信息，以单环芳烃收率预测模型预测所述油品中单环芳烃的收率。

2.根据权利要求1所述的方法，其中，所述预测模型是通过以下步骤得到的：

S1：收集蒸汽裂解液相油品；

S2：将所述油品进行近红外扫描，得到所述油品的近红外光谱信息；

S3：测试所述油品的基础化学值并计算所述油品的单环芳烃收率；

S4：利用化学计量学方法，将所述油品的近红外光谱信息与其所述单环芳烃收率进行关联，建立预测模型。

3.根据权利要求1或2所述的方法，其中，所述液相油品为重质油品裂解液相油品、轻质油品裂解液相油品中的至少一种；优选地，重质油品的来源为柴油、加氢尾油中的至少一种，轻质油品的来源为脑油、拔头油、抽余油、航煤油中的至少一种。

4.根据权利要求1-3中任意一项所述的方法，其中，所述近红外光谱的波段为4000cm^-1-12000cm^-1，优选为4000cm^-1-9000cm^-1。

5.根据权利要求2-4中任意一项所述的方法，其中，所述基础化学值包括所述油品的馏分质量百分含量Bn和单环芳烃质量百分含量Ai。

6.根据权利要求2-5中任意一项所述的方法，其中，所述单环芳烃收率Yi＝Bn×Ai。

7.根据权利要求2-6中任意一项所述的方法，其中，所述化学计量学方法包括偏最小二乘法、主成分回归、经典最小二乘法、逐步多元线性回归、人工神经网络、比尔定律中的至少一种；优选地，所述化学计量学方法包括偏最小二乘法、主成分回归、经典最小二乘法中的至少一种。

8.根据权利要求2-7中任意一项所述的方法，其中，所述方法还包括采用式(1)所示的相关系数来评价模型的拟合效果，

其中，R为相关系数，C′_i是样品的近红外预测模型测定值，C_i为常规分析方法测定的样品单环芳烃含量数据，是C_i的平均值，i＝1至n'的整数，n'为样品数。

9.根据权利要求2-8中任意一项所述的方法，其中，所述方法还包括采用内部验证得到的式(2)所示的交叉验证均方差来评价所述的预测模型的预测性能，

其中，RMSECV为交叉验证均方差，是样品交叉验证预测值，C_i为常规分析方法测定的样品单环芳烃含量数据，i＝1至n'的整数，n'为样品数。

10.根据权利要求1-9中任意一项所述的方法，其中，所述单环芳烃包括碳六芳烃、碳七芳烃、碳八芳烃、碳九芳烃、碳十芳烃、总芳烃中的至少一种。