CN103440425B - 一种辛烷值回归模型的建立方法 - Google Patents

一种辛烷值回归模型的建立方法 Download PDF

Info

Publication number
CN103440425B
CN103440425B CN201310399170.7A CN201310399170A CN103440425B CN 103440425 B CN103440425 B CN 103440425B CN 201310399170 A CN201310399170 A CN 201310399170A CN 103440425 B CN103440425 B CN 103440425B
Authority
CN
China
Prior art keywords
sample
near infrared
gasoline
infrared spectrum
regression model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201310399170.7A
Other languages
English (en)
Other versions
CN103440425A (zh
Inventor
赵日峰
钱锋
孙柏军
程辉
唐超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Original Assignee
China Petroleum and Chemical Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp filed Critical China Petroleum and Chemical Corp
Priority to CN201310399170.7A priority Critical patent/CN103440425B/zh
Publication of CN103440425A publication Critical patent/CN103440425A/zh
Application granted granted Critical
Publication of CN103440425B publication Critical patent/CN103440425B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开一种辛烷值回归模型的建立方法，包括顺序相接的如下步骤：采集汽油调合过程中，汽油调合总管的汽油样品的近红外光谱样本作为建模样本集，记为E0；测定所采集汽油样品的辛烷值，从已有的样本库中选择与所采集汽油样品的辛烷值属性牌号相同的近红外光谱样本集E1；采用主成分分析的方法对E0与E1提取主成分，绘制主成分的离散点图，并计算数据集（E0;E1）的马氏距离，从E1中选择马氏距离在阈值范围内的样本点添加到E0中，其中马氏距离的阈值为3*npc/N；npc为提取的主成分个数，N为数据集（E0;E1）中的样本个数；用样本集建立近红外光谱吸光度与汽油辛烷值回归模型。本发明大大降低了建模的劳动强度，提高了工作效率，降低了模型的维护成本。

Description

一种辛烷值回归模型的建立方法
技术领域
本发明涉及一种辛烷值回归模型的建立方法。
背景技术
汽车工业的发展以及节能和环境保护的紧迫性，推动着汽油产品更新换代。为满足新的汽油规格，提高产品质量并且减少能耗；各大炼厂广泛采用油品在线调合技术对传统的罐式调合进行升级改造。
汽油辛烷值是度量汽油性质的重要指标，其大小直接影响着车用汽油的品质。在汽油调合过程中以经济合理的方法增加汽油辛烷值将产生巨大的经济效益，人们从原料，催化剂，工艺等方面不断进行探索研究，试图找到提高汽油辛烷值的最佳途径。因此，研究汽油辛烷值的测量方法对汽油的生产和使用都将具有重要意义。
目前，辛烷值标准测定方法ASTMD采用ASTM-DFR辛烷值机台架测定方法，我国采用与ASTMD等效的标准测试方法：GB/T5487-1995规定了研究法汽油辛烷值的测定方法，GB/T503-1995规定了马达法汽油辛烷值的测定方法。但是ASTM-CFR辛烷值机台架测定方法在汽油的生产控制与使用中受到一定限制：（1）测试速度慢，一个辛烷值测量至少需要1个多小时，不能及时反馈进行生产优化控制；（2）由于ASTM-CFR辛烷值机体积庞大，需要专门化验室，不利于现场分析使用；（3）操作和维护费用高，设备费用高，使用过程中需要不断维护；（4）环保性差，测试的样品消耗大，约需500ml汽油样品，测量过程中存在着挥发损失与严重污染。
发明内容
本发明的目的是提供一种辛烷值回归模型的建立方法。
为解决上述技术问题，本发明的技术方案是：
一种辛烷值回归模型的建立方法，包括顺序相接的如下步骤：
（1）采集汽油调合过程中，汽油调合总管的汽油样品的近红外光谱样本作为建模样本集，记为E0；
（2）测定所采集汽油样品的辛烷值，从已有的样本库中选择与所采集汽油样品的辛烷值属性牌号相同的近红外光谱样本集E1；
（3）采用主成分分析的方法对E0与E1提取主成分，绘制主成分的离散点图，并计算数据集（E0；E1）的马氏距离，从E1中选择马氏距离在阈值范围内的样本点添加到E0中，其中马氏距离的阈值为3*npc/N；npc为提取的主成分个数，N为数据集（E0；E1）中的样本个数；
（4）用样本集建立近红外光谱吸光度与汽油辛烷值回归模型。
采用上述技术方案，可通过所建立的回归模型预测未知样品的辛烷值，其中，自变量是近红外光谱吸光度，应变量是汽油辛烷值，上述方法大大简化了辛烷值的测试。
为了提高使用方便，同时模型的准确性，步骤（4）中，利用Unscramable软件对样本集建立近红外光谱吸光度与汽油辛烷值的偏最小二乘数学模型。
在使用过程中，只要将采集到的光谱数据矩阵X与对应的辛烷值属性矩阵Y输入到Unscramable的数据表中就可以利用软件提供的回归分析工具进行建模工作。
为了消除水等杂质对建模的影响，步骤（1）中，近红外光谱为1100-1300nm的波长范围的近红外光谱。
为了提高所建立模型的稳健性，利用二阶微分技术对近红外光谱进行优化处理。
为了进一步提高所建立模型的准确性，步骤（1）中，在汽油调合总管中汽油样品的流量稳定、近红外光谱读数波动在0～0.2内、辛烷值曲线平稳无毛刺的情况下，采集近红外光谱样本。
为了方便分析，同时提高所建模型的准确性，步骤（3）中的主成分的贡献率>90%。
为了更进一步提高所建立模型的准确性，样本集E0与E1的近红外光谱图的形状相同。
本发明提供了一种光谱建模方法，该方法根据采样样本数据以及样本库中的数据，采用主成分分析结合马氏距离的方法从样本库中选择合适的样本添加到建模样本集中，然后利用建模软件Unscramable，建立校正模型预测未知汽油样品的属性。
本发明未特别说明的技术均为现有技术。
近红外光谱分析方法具有速度快，精密度高和费用低等优点。本发明利用近红外光谱分析技术，通过已知样品的近红外光谱与辛烷值的关联，用化学计量学中的多元校正方法建立校正模型，然后根据模型和未知样品的近红外光谱预测未知样品的辛烷值；在建立近红外光谱模型的时候部分样本在已有样本库中抽取，大大降低了建模的劳动强度，提高了工作效率，降低了模型的维护成本。
附图说明
图1为实施例1中建立汽油辛烷值属性模型选用的管线样本E0与样本库样本E1在主成分空间上的离散点图。
图2为实施例1中管线样本E0与样本库样本E1对应的马氏距离。
图3为实施例1中管线样本E0与从样本库样本E1中选取的样本在主成分空间上的离散点图。
图4为实施例1中采集38个汽油样本的近红外光谱图。
图5为实施例1中汽油样本中42组样本的近红外光谱图。
图6为实施例1中采集38个汽油样本的研究法辛烷值。
图7为实施例1中汽油样本中42组样本的研究法辛烷值。
图8为实施例1中预测误差图。
具体实施方式
为了更好地理解本发明，下面结合实施例进一步阐明本发明的内容，但本发明的内容不仅仅局限于下面的实施例。
实施例1
第一，采集汽油管道调合过程中调合总管处成品汽油样本，如93#汽油：采用Guidedwave近红外分析仪，以空气为参比，在22±5℃，总管流量平稳的条件下，采集38个汽油样本的近红外光谱如图4，采用GB/T5487方法测定样本的研究法辛烷值（RON），如图6，记为E0
第二，为了丰富建模数据从而提高模型的精度，从已有的汽油样本库中选择42组93#油的样本数据，光谱如图5，辛烷值范围如图7，并记为E1。
第三，对建模样本集中的两组数据E0与E1采用主成分分析的方法提取4个主成分，绘制其在主成分pc1与pc2空间的离散点图，如图1。并且计算数据集（E0;E1）的马氏距离，如图2。
第四，根据第三步绘制的图形，从E1中选择马氏距离在阈值范围内的样本点添加到E0中，其中马氏距离的阈值为3*npc/N；如图3。
第五：用Unscramable软件对样本集数据建立偏最小二乘数学模型。
首先将上述步骤中所选用的建模样本集数据输入到Unscramable软件。然后，选中数据表中所有样本利用软件提供的偏最小二乘建模功能建立回归模型。
第六：为了本发明的准确性，利用以上建立的校正模型对验证集样本进行预测。其中验证集为30组93#汽油样本，预测误差如图3。从图中可以看出，利用本发明的方法对验证集进行预测的绝对预测误差在0.3的范围内，满足精度要求。

Claims (7)

1.一种辛烷值回归模型的建立方法，其特征在于：包括顺序相接的如下步骤：
(1)采集汽油调合过程中，汽油调合总管的汽油样品的近红外光谱样本作为建模样本集，记为E0；
(2)测定所采集汽油样品的辛烷值，从已有的样本库中选择与所采集汽油样品的辛烷值相同的近红外光谱样本集E1；
(3)采用主成分分析的方法对E0与E1提取主成分，绘制主成分的离散点图，并计算数据集(E0；E1)的马氏距离，从E1中选择马氏距离在阈值范围内的样本点添加到E0中，得样本集其中马氏距离的阈值为3*npc/N；npc为提取的主成分个数，N为数据集(E0；E1)中的样本个数；
(4)用样本集建立近红外光谱吸光度与汽油辛烷值回归模型。
2.如权利要求1所述的辛烷值回归模型的建立方法，其特征在于：步骤(4)中，利用Unscramable软件对样本集建立近红外光谱吸光度与汽油辛烷值的偏最小二乘数学模型。
3.如权利要求1或2所述的辛烷值回归模型的建立方法，其特征在于：步骤(1)中，近红外光谱为1100-1300nm的波长范围的近红外光谱。
4.如权利要求3所述的辛烷值回归模型的建立方法，其特征在于：利用二阶微分的方法对近红外光谱进行优化处理。
5.如权利要求1或2所述的辛烷值回归模型的建立方法，其特征在于：步骤(1)中，在汽油调合总管中汽油样品的流量稳定、近红外光谱读数波动在0～0.2个辛烷值范围内、辛烷值曲线平稳无毛刺的情况下，采集近红外光谱样本。
6.如权利要求1或2所述的辛烷值回归模型的建立方法，其特征在于：步骤(3)中主成分的贡献率>90％。
7.如权利要求1所述的辛烷值回归模型的建立方法，其特征在于：样本集E0与E1的近红外光谱图的形状相同。
CN201310399170.7A 2013-09-05 2013-09-05 一种辛烷值回归模型的建立方法 Active CN103440425B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310399170.7A CN103440425B (zh) 2013-09-05 2013-09-05 一种辛烷值回归模型的建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310399170.7A CN103440425B (zh) 2013-09-05 2013-09-05 一种辛烷值回归模型的建立方法

Publications (2)

Publication Number Publication Date
CN103440425A CN103440425A (zh) 2013-12-11
CN103440425B true CN103440425B (zh) 2016-07-06

Family

ID=49694119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310399170.7A Active CN103440425B (zh) 2013-09-05 2013-09-05 一种辛烷值回归模型的建立方法

Country Status (1)

Country Link
CN (1) CN103440425B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104990893B (zh) * 2015-06-24 2017-12-29 南京富岛信息工程有限公司 一种基于相似判别的汽油辛烷值检测方法
CN104990894B (zh) * 2015-07-09 2017-11-21 南京富岛信息工程有限公司 一种基于加权吸光度及相似样本的汽油性质检测方法
CN109698012B (zh) * 2017-10-23 2021-05-14 中国石油化工股份有限公司 一种用于预测汽油辛烷值的方法
CN110514619B (zh) * 2019-08-29 2021-01-29 山东科技大学 基于有偏估计的近红外定量分析模型构建方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101021495A (zh) * 2007-03-23 2007-08-22 冯新泸 一种鉴别石油产品种类的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5223714A (en) * 1991-11-26 1993-06-29 Ashland Oil, Inc. Process for predicting properties of multi-component fluid blends
CN1804582A (zh) * 2006-01-18 2006-07-19 中国农业大学 一种利用近红外光谱鉴别生鲜乳和商品乳中的还原乳的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101021495A (zh) * 2007-03-23 2007-08-22 冯新泸 一种鉴别石油产品种类的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
新型汽油辛烷值在先分析仪的研制;曹永德，陈卫民，王忠民，姚建桓，袁洪福;《仪器技术与传感器》;20070131;第8-10页 *
近红外光谱分析技术在油品分析中的应用;高俊;《中国优秀硕士论文信息科技辑》;20051231;第53-54页 *
近红外光谱定量校正模型适用性研究;徐广通，袁洪福，陆婉珍;《光谱学与光谱分析》;20010831;第459-463页 *

Also Published As

Publication number Publication date
CN103440425A (zh) 2013-12-11

Similar Documents

Publication Publication Date Title
CN103398970B (zh) 一种定性和定量分析食用油并进而检测地沟油的方法
CN104990894B (zh) 一种基于加权吸光度及相似样本的汽油性质检测方法
CN103440425B (zh) 一种辛烷值回归模型的建立方法
CN101339150B (zh) 基于介电谱技术测定汽油辛烷值的方法
CN103729650A (zh) 近红外光谱建模样本的选择方法
CN104297504A (zh) 一种自动化气相色谱控制系统
CN102879340A (zh) 基于近红外光谱快速检测块根/茎类作物营养品质的方法
CN107703097A (zh) 利用衰减全反射探头与近红外光谱仪构建快速预测原油性质的模型的方法及其应用
CN103353446A (zh) 近红外快速检测白酒中理化指标的方法
CN105334184A (zh) 一种在线近红外光谱分析仪
CN102338743B (zh) 一种识别发动机燃料种类和牌号中红外光谱方法
CN108760789A (zh) 一种原油快评方法
CN107860743A (zh) 利用反射式近红外光纤探头构建快速预测原油性质的模型的方法及其应用
CN102841069B (zh) 一种由中红外光谱识别原油种类的方法
CN103018181A (zh) 基于相关性分析和elm神经网络的软测量方法
CN105548027A (zh) 基于近红外光谱测定调和油中茶油含量的分析模型及方法
CN102841070A (zh) 由二维相关红外同步光谱识别原油种类的方法
CN103308507B (zh) 一种快速测定聚氨酯中游离-nco的分析方法
CN103364368B (zh) 一种混合原油性质的快速检测方法
CN105738311A (zh) 一种基于近红外光谱技术的苹果甜度无损快速检测方法
CN104764731A (zh) 一种拉曼光谱在线监测聚氨酯预聚物-nco含量的方法
CN110702639A (zh) 一种毛醛中糠醛含量的测定方法
CN105954228A (zh) 基于近红外光谱的油砂中金属钠含量的测量方法
CN103487398A (zh) 一种赖氨酸发酵液的分析方法
CN110632114B (zh) 一种基于nmr技术快速检测各类食用油分析指标的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant