CN102841071B - 由二维相关红外异步光谱识别原油种类的方法 - Google Patents

Abstract

一种由二维相关红外异步光谱识别原油种类的方法，包括(1)测定原油样品在不同温度下的红外光谱并进行二阶微分处理，选取755～1005cm^-1和1160～1247cm^-1谱区在不同温度下的吸光度进行二维相关处理，得到二维相关异步光谱矩阵，由每个样品的异步光谱矩阵建立原油红外异步光谱数据库X，(2)按(1)步方法获取待识别原油样品在不同温度下的吸光度的二维相关异步光谱矩阵x，(3)计算矩阵x与原油二维红外光谱数据库X中每个样品在上述谱区内二维相关异步光谱矩阵的每个移动行矩阵的相关系数，计算样品的识别参数Q，由Q_i与阈值Q_t的比较和移动行矩阵相关系数值判断待识别原油与数据库中的某样品i是否相同。该法谱图识别的准确率高，可快速区别混兑原油与纯原油。

Description

由二维相关红外异步光谱识别原油种类的方法

技术领域

本发明为一种原油种类的快速识别方法，具体地说，是一种由二维相关红外异步光谱识别原油种类的方法。

背景技术

随着市场对油品需求的不断增长和国内原油资源的不足，国内炼厂正在加工越来越多的进口原油，加工品种也在不断增多，由于油种多，进厂批量少，因此原油掺炼的情况普遍存在。当一种原油的性质不适合设备的时候，可以通过掺炼来改善。因此及时得测定原油混兑比例，以便得到所接收原油的性质状况。同时为了得到加工需要的特定油品可以通过几种已知油品调合，但油品的选取和调和比例的确定是这项技术的关键。另外，我们也希望在加工未知原油之前可以和加工方案已经成熟的已知油品进行相似度比较以研究确定未知油品的加工方案。尽管每一种原油的组成都是极其复杂的混合物体系，但每一种原油都具备相对固定的组成体系，这一体系就像人的指纹一样具有各自的特征性。凭借这些“指纹”的差异性就可以进行快速的识别。随着二维相关技术的发展，二维相关技术越来越多的与红外光谱结合起来，二维光谱技术拓展了光谱信息量，可以放大光谱细节信息，对于混兑原油识别领域特别是性质较相似的混兑原油的识别有着重大意义。

目前国内外大型石化企业正在利用多种现代仪器分析手段开发建立原油快速评价技术，包括色-质联用(GC-MS)、核磁共振(NMR)、近红外光谱(NIR)和红外光谱(IR)等，其中IR方法由于测量方便、速度快、分析灵敏度高而倍受青睐。但由于原油成分复杂，光谱信息相互掩盖，光谱信息的提取一直是红外、近红外光谱技术面临的重大问题。二维光谱技术有利于光谱信息的提取，可以放大光谱细节信息，对于原油识别领域有着重大意义。

以二维红外异步光谱为特征对待测原油进行识别，从二维红外异步光谱数据库中识别出其品种，然后再从已有的原油性质数据库中调出其评价数据，从而实现原油的快速评价，为确定原油加工方案和优化生产决策及时获得评价数据提供了一种简捷的方法。

王景芳在《模糊聚类分析在依原油特性归类中的应用》(石油炼制与化工，1991，22(6)：41～44)一文中，通过原油的6项性质将待加工原油和原油评价数据库内有此6项性质记录的样品进行聚类比较，找出与待加工原油相似度最大的库样品，作为待加工原油评价数据指导生产。

段东勇，陈丙珍，向小荣在《基于原油已知性质预测其未知性质的模糊匹配方法》(石油炼制与化工，1996，27(7)：59～62)一文中，通过原油的若干个性质计算隶属度函数来比较已知原油与待评价原油的相似度。

Hai-Yan Fu等在“Moving window partial least-squares discriminant analysisfor identification of different kinds of bezoar samples by near infrared spectroscopyand comparison of different pattern recognition methods”{Journal of Near InfraredSpectroscopy，Volume 15Issue 5，Pages 291-298(2007)}一文中采用移动窗口偏最小二乘法，用红外光谱对牛黄产品进行质量监测。

Yiping Du等在“Improvement of partial least squares models for in vitro and invivo glucose quantifications by using near-infrared spectroscopy and searchingcombination moving window partial least squares”[Chemometrics and intelligentlaboratory systems，2006，vol.82，no1-2，Pages 97-103]使用红外光谱和移动窗口，将第一特征谱区的每个移动窗口的数据用交互验证法建立偏最小二乘模型，选出校正标准差最小的窗口作为基本区间，再将基本区间与第二个特征谱区每个移动窗口数据结合，建立偏最小二乘模型，找出新的校正标准差最小的窗口作为新的基本区间，如此重复，直到最后一个特征谱区，得到最后一个基本区间。通过搜索结合移动窗口建立的预测模型在测定牛血清和人皮肤中的葡萄糖浓度上具有最小的RMSEV和最大的相关系数。

Isao Noda在“Two-dimensional infrared and near infrared correlation spectroscopy：applications to studies of temperature dependent spectral variations of selfassociated molecules”[Appllied Spectroscopy，1997，vol.51，no 4，pages 526-535]又提出了广义二维红外相关光谱(generalized two-Dimensional correlationspectroscopy)的概念，他将外部微扰从正弦波形的低频振荡应力、电场作用拓展到能导致光谱信号变化的任何形式，如：温度、化学、浓度、压力、反应时间、磁场及机械力等而且，光谱类型不再局限于红外光谱，可以扩大到拉曼光谱、X射线谱、紫外光谱、荧光光谱、激光光谱和近红外光谱，甚至在不同光谱之间进行二维相关研究。

发明内容

本发明的目的是提供一种由二维相关红外异步光谱识别原油种类的方法，该方法可由被测样品的二维相关红外异步光谱，快速与已建数据库中的样品比对，识别被测原油样品是否与库中样品种类相同。

本发明提供的由二维相关红外异步光谱识别原油种类的方法，包括如下步骤：

(1)测定原油样品在不同温度下的红外光谱并进行二阶微分处理，选取755～1005cm^-1和1160～1247cm^-1谱区在不同温度下的吸光度进行二维相关处理，得到二维相关异步光谱矩阵，由每个样品的异步光谱矩阵建立原油红外异步光谱数据库X，X是一个三阶张量，

(2)按(1)步的方法测定待识别原油样品在不同温度下的吸光度并进行二阶微分处理，选取755～1005cm^-1和1160～1247cm^-1谱区的吸光度进行二维相关处理，得到二维相关异步光谱矩阵x，

(3)计算矩阵x与原油二维红外异步光谱数据库X中每个样品在755～1005cm^-1和1160～1247cm^-1谱区内二维相关异步光谱矩阵的每个移动行矩阵吸光度相关强度的相关系数，为移动行矩阵相关系数，按式(I)计算每个数据库样品的识别参数Q，

$Q_i=\left(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{r}_{\mathrm{ji}}\right),$ i＝1，2，...，m                                      (I)

式(I)中，Q_i为异步光谱数据库中某一样品i的识别参数，r_ji为移动行矩阵相关系数；i为数据库中样品的序号，j为二维相关异步光谱矩阵中移动行矩阵的序号，n为二维相关异步光谱矩阵中移动行矩阵的总数，m为数据库样品总数，

(4)计算阈值Q_t，Q_t＝(d-w-0.30)，其中d为红外光谱的采样点数，w为移动行矩阵中行向量的宽度；

若Q_i＞Q_t，且i样品的每个移动行矩阵相关系数均不小于0.9700，则待识别原油与数据库中的i样品相同。

本发明方法将原油红外光谱在特征谱区的吸光度进行二维相关处理得到的异步光谱，通过计算待识别原油样品与预先建好的原油数据库样品的红外二维相关异步光谱的移动行矩阵相关系数，确定数据库中各样品与待识别原油样品的识别参数，由识别参数和移动行矩阵相关系数识别待测原油样品与数据库中的样品是否为同一种原油。该法可以准确快速地识别出混兑比例较小的原油样品与纯原油样品，结合原油评价数据库能够快速给出待测原油的性质数据，得到一种简易而可靠的原油评价分析数据快速预测方法。

附图说明

图1为典型原油样品在30℃、40℃、50℃、60℃测定的红外光谱。

图2为图1光谱在700～900cm^-1区间经二维相关处理后得到的异步光谱。

图3为待识别原油A与原油红外异步光谱数据库X中满足本发明识别条件的样品的移动行矩阵相关系数图。

图4为待识别原油B与原油红外异步光谱数据库X中部分满足本发明识别条件的样品的移动行矩阵相关系数图。

图5为待识别原油C与原油红外异步光谱数据库X中部分满足本发明识别条件的样品的移动行矩阵相关系数图。

图6为原油HC-1与近红外光谱数据库中Q_i大于阈值Q_t的光谱的移动相关系数图。

具体实施方式

本发明方法采用温度作为外界扰动条件，测量同一原油样品在不同温度下的几张光谱，通过二维相关处理即希尔伯特(Hilbert)矩阵变换得到二维相关光谱矩阵。选用二维相关处理得到的异步光谱作为识别光谱，采用行矩阵为移动窗口，在特征谱区建立已有原油样品的二维相关异步光谱数据库，计算待测原油样品与数据库样品的移动行矩阵相关系数，由移动过程中的每个移动窗口的相关系数计算待测样品与原油样品的识别参数，由识别参数和相关系数的值判断待测原油样品是否与数据库中某样品为同一种原油。相对于一维红外和近红外光谱而言，二维相关光谱具有非常高的分辨率，能够揭示分子内、分子间的相互作用，有利于隐藏信息的提取，能提高原油谱图识别的准确率，可以识别某一种油含量很低的混兑原油的种类。

本发明方法中，识别参数Q为各移动行矩阵内两种用于比较的原油样品的行矩阵相关系数之和，若Q_i＞Q_t，且i样品的每个移动行矩阵相关系数均不小于0.9700，则待识别原油与数据库中的i样品相同。若所有样品的识别参数Q均不大于Q_t，或没有一个样品的移动行矩阵相关系数大于0.9700，则数据库中没有与待识别原油相同的样品。

本发明所述的红外光谱为扫描波数范围内各采样点对应的吸光度，所述的采样点间隔为1～10个波数，由红外光谱仪的分辨率决定。

本发明建立二维相关光谱时，使用温度变化作为外界扰动条件，即测定同一样品在不同温度下的光谱，测定原油样品的温度优选为30～60℃，每次测定改变的温度间隔优选5～10℃。

本发明将755～1005cm^-1和1160～1247cm^-1谱区不同温度下测定的吸光度进行二维相关处理的方法为使用希尔伯特矩阵变换。

本发明方法采用移动行矩阵作为移动窗口，所述的移动行矩阵的列向量宽度为整个特征光谱区内所拥有的采样点总数，其行向量的宽度亦以采样点计算，即行向量的宽度为一至多个采样点，优选1～5个采样点。当移动行矩阵行向量的宽度为一个采样点时，移动行矩阵转化成一个行向量。

所述的移动行矩阵相关系数采用移动行矩阵测定，其测定方法为：在特征光谱区间进行二维相关得到的异步光谱矩阵中，从异步光谱矩阵的第一行(波数最低)开始，以移动行矩阵作为移动窗口，逐行移动移动行矩阵，直到异步光谱矩阵的最后一行(波数最高)，也可以相反的顺序移动移动行矩阵，计算每个移动行矩阵内待识别原油样品与数据库中每个样品的行矩阵相关系数。

传统的相关系数常用来比较两个光谱的相似程度，计算时所有光谱变量都参与运算，最终得到一个相关系数值，其计算公式如式(II)所示：

$R_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{d}{\mathrm{\Σ}}}(x_{\mathrm{ik}}-{\stackrel{\‾}{x}}_i)(x_{\mathrm{jk}}-{\stackrel{\‾}{x}}_j)}{\sqrt{\underset{k=1}{\overset{d}{\mathrm{\Σ}}}{(x_{\mathrm{ik}}-{\stackrel{\‾}{x}}_i)}^2\underset{k=1}{\overset{d}{\mathrm{\Σ}}}{(x_{\mathrm{jk}}-{\stackrel{\‾}{x}}_j)}^2}}---\left(\mathrm{II}\right)$

式(II)中，分别为第i个和第j个光谱所有采样点吸光度的均值，d为采样点数，k为采样点序号，x_ik为第i个光谱的第k个采样点吸光度、x_jk为第j个光谱的第k个采样点吸光度。两个光谱越接近，它们之间的相关系数越接近于1或-1。

本发明计算某一个移动行矩阵相关系数的方法是：先选定移动行矩阵的行向量宽度，再将两个特征谱区的列向量按采样点波数大小排列在一起成为一列。若移动行矩阵的行向量宽度为一个采样点，则按式(II)计算要比较的两个样品的移动行矩阵列向量之间的相关系数，作为该移动行矩阵的移动行矩阵相关系数。若移动行矩阵的行向量宽度为多个采样点，则可将第二个采样点，即第二行的列向量接在第一行列向量之后，并依此类推，形成一个由多个采样点列向量拼接成的行向量，再按式(II)计算要比较的两个样品在该移动行矩阵内拼接后形成的列向量之间的相关系数。用式(II)计算移动行矩阵相关系数时，需将吸光度换成移动行矩阵列向量的数值，即异步光谱在相关谱区采样点吸光度的相关强度值。

将得到的移动行矩阵相关系数值与对应移动行矩阵的起始位置作图，即得到移动矩阵相关系数图。从该图中可以方便地看出两个光谱之间的相似程度，若两个光谱完全相同，则在整个光谱范围内的移动行矩阵相关系数值都为1，若两个光谱只是在某一区间存在差异，则该区间的移动矩阵相关系数值将明显下降。

在移动行矩阵相关系数计算中，移动行矩阵的行向量的宽度应是一个固定值，其宽度过大，虽可以排除外界测试条件如温度和湿度等的影响，但会存在错误识别的风险。

本发明方法适用于未知原油样品与已知原油样品的快速识别及较低混兑比例原油样品与已知原油样品的快速识别，可通过红外光谱快速区分混兑原油与已知纯原油样本，以借助于已知原油的性质对未知原油性质进行快速评价。

下面通过实例详细说明本发明，但本发明并不限于此。

实例中测定原油红外光谱的仪器采用Thermo Nicolet-6700傅立叶变换红外光谱仪，光谱范围400～4000cm^-1，分辨率8cm^-1，采样点间隔为1cm^-1，累积扫描次数64次，ATR测量方式。

实例1

建立原油样品的二维相关红外异步光谱数据库

收集有代表性的原油样品312种，原油品种基本覆盖了世界主要原油产区。测定原油样品在30℃、40℃、50℃、60℃的红外光谱，对其进行二阶微分，选取755～1005cm^-1和1160～1247cm^-1光谱范围的吸光度使用希尔伯特矩阵变换进行二维相关处理，取每个样品的异步光谱矩阵，建立原油样品的红外异步光谱数据库X，X是一个三阶张量，其维数为312×337×337，其中312为收集原油的样品数，337为红外光谱吸光度的采样点数。即数据库X的数据结构以三阶张量的形式存在，实际计算按三维数组的寻址规则进行。

图1为典型原油样品在30℃、40℃、50℃、60℃测定的红外光谱，

图2为图1光谱在700～900cm^-1区间经二维相关处理后得到的异步光谱，用于说明异步光谱结构，右图为三维立体图，左图为俯视图或二维等高线图，其X、Y坐标以波数表示，Z坐标是X、Y坐标交叉处吸光度的相关强度值，为无单位的量纲。从二维等高线图中可以看出异步光谱相对于主对角线是反对称的。

实例2

以下实例用本发明方法对未知原油种类进行识别。

(1)建立待识别原油的二维相关异步光谱矩阵

按照与建立光谱数据库X相同的条件测定未知原油A在30℃、40℃、50℃、60℃的红外光谱，原油A的性质见表1，对其红外光谱进行二阶微分，将755～1005cm^-1和1160～1247cm^-1光谱范围的吸光度用希尔伯特矩阵变换进行二维相关处理，得到其二维相关异步光谱矩阵x_A，其维数为337×337。

(2)识别未知原油样品

对于异步光谱数据库X和异步光谱矩阵x_A，以移动行矩阵作为移动窗口，移动行矩阵的行向量宽度为一个采样点，列向量包括从755cm^-1处开始到1005cm^-1及1160到1247cm^-1对应的一段光谱区间内的所有共计337个采样点，在此情况下，行矩阵变成一个行向量。第一个移动行矩阵的行向量为755cm^-1、列向量为755～1005cm^-1和1160～1247cm^-1区间的所有采样点，窗口大小为1×337。沿行向量方向，每次将移动行矩阵移动1个采样间隔，即移动距离为1cm^-1，第二个移动行矩阵的行向量为756cm^-1，然后逐行移动移动行矩阵至光谱矩阵的最后一行，其行向量为1247cm^-1。计算每个移动行矩阵内，数据库X中每一个样品的异步光谱与光谱矩阵x_A的移动行矩阵相关系数。将第一个移动行矩阵内的移动行矩阵相关系数记为r_1 ，i，i＝1，2，...，312，第二个移动行矩阵内的移动行矩阵相关系数记为r_2，i，i＝1，2，...，312，最后一个移动行矩阵内的移动行矩阵相关系数记为r_337，i，i＝1，2，...，312。

分别计算数据库X中每一个样品对x_A的识别参数，计算公式为：i＝1，2，...，312。

阈值Q_t＝d-1-0.30＝337-1-0.30＝335.70。

对于未知原油样本A，经计算得出光谱数据库X中第107个原油样品的Q₁₀₇值为335.8875，大于阈值Qt，且每一个移动行矩阵相关系数值r_1，107、r_2，107、...、r_337，107都不小于0.9700，移动行矩阵相关系数图见图3，说明未知原油样本A与异步光谱数据库中的第107号原油样品为同一种原油。

实例3

对未知原油B的种类进行识别。

(1)建立待识别原油的二维相关异步光谱矩阵

按照与建立光谱数据库X相同的条件测定未知原油B在30℃、40℃、50℃、60℃的红外光谱，原油B的性质见表1，对其红外光谱进行二阶微分，将755～1005cm^-1和1160～1247cm^-1光谱范围的吸光度使用希尔伯特矩阵变换进行二维相关处理，得到其二维相关异步光谱x_B，其维数为337×337。

(2)识别未知原油样品

按实例2(2)步方法计算异步光谱数据库X中的每个样品的二维相关异步光谱与x_B在755～1005cm^-1和1160～1247cm^-1谱区的移动行矩阵相关系数，计算光谱数据库X中每个样品的异步光谱对x_B的识别参数，得知异步光谱数据库X中第172个原油样品的Q₁₇₂值为335.9114，大于阈值Q_t，但部分光谱区域移动行矩阵相关系数小于0.9700，其移动行矩阵相关系数图见图4，说明未知原油B与光谱数据库中的第172号原油样品不一致，异步光谱数据库X中没有与未知原油样品B相同种类的样品。

实例4

对未知原油C的种类进行识别。

(1)建立待识别原油的二维相关异步光谱矩阵

按照与建立异步光谱数据库X相同的条件测定未知原油C在30℃、40℃、50℃、60℃的红外光谱，原油C的性质见表1，对其红外光谱进行二阶微分，将755～1005cm^-1和1160～1247cm^-1光谱范围的吸光度用希尔伯特矩阵变换进行二维相关处理，得到其二维相关异步光谱x_C，其维数为337×337。

(2)识别混兑原油样品

按实例2(2)步方法计算异步光谱数据库X中的每个样品的二维相关异步光谱与x_C在755～1005cm^-1和1160～1247cm^-1谱区的移动行矩阵相关系数，计算光谱数据库X中每个样品的异步光谱对x_C的识别参数，得知光谱数据库中第19个原油样品的Q₀₁₉值为335.7300，大于阈值Q_t，但部分光谱区域相关系数小于0.9700，其移动相关系数图见图5，说明未知原油C与光谱数据库中的第019号原油样品不一致，异步光谱数据库X中没有与未知原油样品C相同种类的原油样品。

对比例1

按照CN200910169611.8的方法用近红外光谱识别表2所列原油及混兑原油的种类。

(1)增加近红外光谱数据库样品

按CN200910169611.8实例1的方法分别测定表2中混兑原油HC-2的近红外光谱，对其进行二阶微分处理，选取4628～4000cm^-1和6076～5556cm^-1谱区的吸光度，加入近红外光谱数据库中，使数据库的维数为313×289。

(2)建立待识别原油的吸光度矢量

按(1)步方法测定原油HC-1的近红外光谱，对其进行二阶微分处理，选取4628～4000cm^-1和6076～5556cm^-1谱区的吸光度，构成矢量x_D2，其维数为1×289。

(3)识别未知混兑原油

按CN200910169611.8实例2(2)步的方法计算矢量x_D2与近红外光谱数据库中每个光谱的移动相关系数，计算x_D2与每个库样品的识别参数，得知近红外光谱数据库中原油样品HC-2的Q_HC-2值为277.9675，大于阈值Q_t，其值为277.85，且移动相关系数值r_HC-2大于0.9900，其移动相关系数图见图6。表明原油样品HC-1与近红外光谱数据库中的混兑原油HC-2属于同一种类，但实际HC-1与HC-2是不同种原油，说明对近红外光谱，采用移动相关系数法不能识别混兑原油种类。

实例5

(1)建立待识别原油的二维相关异步光谱矩阵

按照与建立异步光谱数据库X相同的条件测定原油HC-1与混兑原油HC-2在30℃、40℃、50℃、60℃的红外光谱，对其红外光谱进行二阶微分，将混兑原油HC-2在755～1005cm^-1和1160～1247cm^-1光谱范围的吸光度用希尔伯特矩阵变换进行二维相关处理，得到其二维相关异步光谱矩阵x_HC-2，其维数为337×337，并加入到异步光谱数据库X中。

将原油HC-1在755～1005cm^-1和1160～1247cm^-1光谱范围内的吸光度用希尔伯特矩阵变换进行二维相关处理，得到其二维相关异步光谱矩阵x_D1，其维数为337×337。

(2)识别未知原油种类

按实例2(2)步的方法计算异步光谱数据库X中每个光谱与光谱矩阵x_D1在755～1005cm^-1和1160～1247cm^-1谱区内的移动行矩阵相关系数，计算光谱数据库X中每个样品的异步光谱对x_D1的识别参数，得知光谱数据库中没有原油样品的Q值大于阈值Q_t，或没有一个移动矩阵相关系数r的值大于0.9700，说明数据库中没有与未知原油样品HC-1相同种类的样品。由此可知，本发明方法可在混兑原油中某一种油含量较小的情况下，识别混兑原油与未混兑原油的种类，识别精度较近红外光谱高。

表1

表2

^＊原油混合比例为质量分数。

Claims (7)

1.一种由二维相关红外异步光谱识别原油种类的方法，包括如下步骤：

(1)测定原油样品在不同温度下的红外光谱并进行二阶微分处理，选取755～1005cm^-1和1160～1247cm^-1谱区在不同温度下的吸光度进行二维相关处理，得到二维相关异步光谱矩阵，由每个样品的异步光谱矩阵建立原油红外异步光谱数据库X，X是一个三阶张量，

(2)按(1)步的方法测定待识别原油样品在不同温度下的吸光度并进行二阶微分处理，选取755～1005cm^-1和1160～1247cm^-1谱区的吸光度进行二维相关处理，得到二维相关异步光谱矩阵x，

(3)计算矩阵x与原油二维红外异步光谱数据库X中每个样品在755～1005cm^-1和1160～1247cm^-1谱区内二维相关异步光谱矩阵的每个移动行矩阵吸光度相关强度的相关系数，为移动行矩阵相关系数，按式(I)计算每个数据库样品的识别参数，

$Q_i=\left(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{r}_{\mathrm{ji}}\right),$ i＝1，2，...，m                                      (I)

式(I)中，Q_i为异步光谱数据库中某一样品i的识别参数，r_ji为移动行矩阵相关系数；i为数据库中样品的序号，j为二维相关异步光谱矩阵中移动行矩阵的序号，n为二维相关异步光谱矩阵中移动行矩阵的总数，m为数据库样品总数，

(4)计算阈值Q_t，Q_t＝(d-w-0.30)，其中d为红外光谱的采样点数，w为移动行矩阵中行向量的宽度；

若Q_i＞Q_t，且i样品的每个移动行矩阵相关系数均不小于0.9700，则待识别原油与数据库中的i样品相同。

2.按照权利要求1所述的方法，其特征在于若所有样品的识别参数均不大于Q_t，或没有一个样品的移动行矩阵相关系数大于0.9700，则数据库中没有与待识别原油相同的样品。

3.按照权利要求1所述的方法，其特征在于在所述红外光谱特征谱区内吸光度的采样点间隔为1～10个波数。

4.按照权利要求1所述的方法，其特征在于测定原油样品的温度为30～60℃，每次测定改变的温度间隔为5～10℃。

5.按照权利要求1所述的方法，其特征在于将755～1005cm^-1和1160～1247cm^-1谱区不同温度下测定的吸光度进行二维相关处理的方法为使用希尔伯特矩阵变换。

6.按照权利要求1所述的方法，其特征在于所述的行矩阵相关系数的测定方法为：在特征光谱区间进行二维相关得到的异步光谱矩阵中，从异步光谱矩阵波数最低的一行开始，逐行移动移动行矩阵，直到异步光谱矩阵波数最高的一行，或者以相反的顺序移动移动行矩阵，计算每个移动行矩阵内待识别原油样品与数据库中每个样品的行矩阵相关系数。

7.按照权利要求1或6所述的方法，其特征在于行矩阵中行向量的宽度为1～5个采样点，列向量宽度为整个特征光谱区内所拥有的采样点总数。