[发明专利]一种基于近红外光谱检测柴油性质的方法及装置

说明书

本发明涉及一种基于近红外光谱检测柴油性质的方法及装置，该方法包括：获取包含标注信息的近红外光谱数据集；将近红外光谱数据集输入至每个模型参数候选值对应构建的SVR优化模型，确定对应的预测馏程温度；根据每个模型参数候选值对应的适应度函数，对模型参数候选值进行排序，确定候选队列；根据候选队列的排序，依次给每个模型参数候选值分配搜索空间，并在搜索空间内繁殖更新，确定更新候选值；根据更新候选值的适应度函数进行排序，更新候选列队；若满足迭代终止条件，则停止迭代，将更新后的候选队列中排在首位的更新候选值作为模型最优参数。本发明利用全局搜索，保证向量回归机的高分类准确率，提高检测结果的准确性。

技术领域

本发明涉及近红外光谱数据分析技术领域，尤其涉及一种基于近红外光谱检测柴油性质的方法及装置。

背景技术

油品性质检测是炼化企业成品油生产过程中的重要环节，目前已经有很多成柴油性质检测的方法，包括常规实验室化验法、气相色谱法、光谱分析法等。其中，常规实验室化验法耗时长，不适合实时控制，而气相色谱法和光谱分析法属于快速检测技术，广泛应用于在线分析。在快速检测技术中应用最有前途的方法是基于近红外(NIR)光谱分析技术的检测方法。目前近红外光谱数据分析中常用到的算法有偏最小二乘法：建立回归模型的同时可以进行主成分分析简化数据，预测性能较好，但是仅在少数情况下使用具有优势；BP神经网络算法：具有很强的非线性映射能力和自学习能力，但是学习速度慢，容易出现过拟合现象。综上，如何提供高效准确的油品性质检测方法是亟待解决的问题。

发明内容

有鉴于此，有必要提供一种基于近红外光谱检测柴油性质的方法及装置，用以解决如何提供高效准确的油品性质检测方法的问题。

本发明提供一种基于近红外光谱检测柴油性质的方法，包括步骤S1至步骤S8，其中：

在步骤S1中，获取包含标注信息的近红外光谱数据集，所述标注信息为实际馏程温度；

在步骤S2中，随机生成多个模型参数候选值，将所述近红外光谱数据集输入至每个所述模型参数候选值对应构建的SVR优化模型，确定对应的预测馏程温度；

在步骤S3中，根据每个所述模型参数候选值对应的适应度函数，对所有所述模型参数候选值进行排序，确定候选队列，其中，所述适应度函数根据所述实际馏程温度和所述预测馏程温度之间的误差而确定；

在步骤S4中，根据所述候选队列的排序，依次给每个所述模型参数候选值分配对应的搜索空间，并在对应的所述搜索空间内繁殖更新，确定对应的更新候选值；

在步骤S5中，根据每个所述更新候选值的所述适应度函数进行排序，更新所述候选列队，判断更新后的候选队列是否满足迭代终止条件；

在步骤S6中，若满足，则停止迭代，将所述更新后的候选队列中排在首位的所述更新候选值作为模型最优参数，若不满足，则将每个所述更新候选值作为所述模型参数候选值，返回至步骤S3中；

在步骤S7中，将所述模型最优参数作为SVR优化模型的最终的模型参数，完成对SVR优化模型的训练，并将所述SVR优化模型进行存储；

在步骤S8中，将待测柴油的近红外光谱输入至训练完备的SVR优化模型，确定对应的预测馏程温度。

进一步地，所述SVR优化模型采用RBF核函数，所述模型参数候选值包括所述RBF核函数对应的正则化参数和RBF径向基核函数参数中的至少一种。

进一步地，在所述步骤S2之前还包括：

采用马氏距离的方法筛选出所述近红外光谱数据集中的界外样本；

采用多元散射校正方法和微分方法消除所述近红外光谱数据集中的光谱基线漂移，并对所述近红外光谱数据集进行平滑去噪。

进一步地，在所述步骤S2中，所述随机生成多个模型参数候选值包括：