CN105184004B - 一种判断辛烷值模型维护更新的方法 - Google Patents
一种判断辛烷值模型维护更新的方法 Download PDFInfo
- Publication number
- CN105184004B CN105184004B CN201510601602.7A CN201510601602A CN105184004B CN 105184004 B CN105184004 B CN 105184004B CN 201510601602 A CN201510601602 A CN 201510601602A CN 105184004 B CN105184004 B CN 105184004B
- Authority
- CN
- China
- Prior art keywords
- sample
- spectrum
- spectra
- library
- mrow
- 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
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种判断辛烷值模型维护更新的方法，其特征在于采用光谱距离阈值作为分界点来判断待测样本是否为模型界外样本，是则进行报警以提醒工作人员需对现有模型进行维护更新。收到报警信号后，工作人员对当前待测组分进行标准化验，并添加至模型中，以提高模型的预测精度。本发明提出的按需维护更新的方法相对于传统定时维护更新的方法，在保证模型预测精度的前提下，大大节约了时间人力资源。
Description
技术领域
本发明涉及炼油企业汽油性质检测，尤其是汽油性质预测模型的维护，具体是一种判断辛烷值模型维护更新的方法。
背景技术
近红外光谱定量分析技术，又称“黑匣子”分析技术，是一种间接的测量方法，即通过对样品光谱和其质量参数进行关联建立起预测模型，然后通过预测模型和未知质量参数的样品光谱来预测样品的组成和性质。
在汽油标准中，辛烷值(RON)列于车用汽油规格的首项，是汽油关键质量指标之一。为了能够及时掌握调合汽油及调合组分油的辛烷值变化，为炼厂调合及生产调控提供有效依据，目前一般采用近红外光谱定量分析技术对其进行预测。但是，一般情况下建立的预测模型涵盖的调合汽油或调合组分油的辛烷值范围有限，不能囊括全部情况。当生产工艺发生变化时，汽油或调合油的辛烷值可能超出预测模型的范围，导致预测不准，不能给生产人员提供正确的指导。
发明内容
为解决现有技术存在的问题，本发明提出了一种判断辛烷值模型维护更新的方法，该方法是指当待测样本因工艺改变导致辛烷值发生突变，采用光谱距离阈值作为分界点来判断待测样本是否为模型界外样本，是则进行报警以提醒工作人员需对现有模型进行维护更新；所述判断待测样本是否为模型界外样本是指判断待测样本是否脱离模型的覆盖范围，具体步骤如下：
(1)对待测样本和模型的光谱库中的光谱进行常规预处理；
(2)计算光谱库的光谱重心Score，即光谱库光谱的平均光谱；
(3)采用主成分分析，计算预处理后待测样本光谱、光谱库光谱和光谱库的光谱重心Score的得分向量；
(4)基于得分向量的第一和第二主成分，计算光谱库光谱到光谱库的光谱重心Score的光谱距离，并确定最大光谱距离Dmax；
(5)基于得分向量的第一和第二主成分，利用光谱库的光谱重心Score、最大光谱距离Dmax，以及待测样本确定待测样本的邻近区域；
(6)在邻近区域内查找待测样本的邻近光谱库样本，组成邻近光谱库；
(7)计算邻近区域的光谱重心Snewcore；
(8)基于得分向量的第一和第二主成分，计算邻近光谱库光谱、光谱库的光谱重心Score分别与邻近区域的光谱重心Snewcore的光谱距离，并找出其中最大光谱重心距离Dnewmax，确定光谱距离阈值DST，确定方法如下式：
DST＝μ×Dnewmax
其中μ为常数，1.0≤μ≤1.1；
(9)基于得分向量的第一和第二主成分，计算待测样本与邻近区域的光谱重心Snewcore的光谱样本距离DPA；
(10)判断光谱样本距离DPA是否大于光谱距离阈值DST，若大于，则待测样本为模型界外样本，需给出报警，否则不需给出报警。
优选的，步骤(5)中所述的邻近区域，确定方法如下：
(501)基于得分向量的第一和第二主成分建立二维坐标系，其中第一主成分为横坐标，第二主成分为纵坐标，以光谱库的光谱重心Score所在的点为端点，连接待测样本所在的点，得到射线；
(502)设定初始角度α，以光谱库的光谱重心Score为轴中心，以射线为对称轴，对称轴长为最大光谱距离Dmax，旋转对称轴，旋转角度为±α，得到扇形区域即为所述的邻近区域。
更优的，所述初始角度α小于5°。
优选的，步骤(6)中在邻近区域内查找待测样本的邻近光谱库样本，具体步骤如下：
(601)扇形区域的两个端点和一个顶点(即光谱库的光谱重心Score)在二维坐标系中的坐标分别为O1(x1，y1)、O2(x2，y2)和O3(x3，y3)，光谱库中第i样本的坐标Oi(xi，yi)；
(602)以O1、O2和O3三点确定三角形，求出三角形三边的长，然后求三角形面积A；
(603)采用步骤(602)的方法分别计算Oi与O1、O2、O3任意两点所围成的三角形面积Ai12、Ai13、Ai23；
(604)判断A是否等于Ai12、Ai13、Ai23之和，若是，则此光谱库中第i样本为待测样本的邻近样本Sneighbor，否则不是。
优选的，步骤(7)中所述的邻近区域的光谱重心Snewcore，采用下式计算：
式中，n为邻近光谱库样本的总数，Snewcore为邻近区域的光谱重心，Score为光谱库的光谱重心，Sneighbor为待测样本的邻近样本。
优选的，所述的最大光谱距离Dmax、最大光谱重心距离Dnewmax、光谱样本距离DPA，采用的是欧式距离，计算公式如下：
其中Di,j是指第i个光谱与第j个光谱间的欧式距离；ti为第i个样本光谱的得分向量，tj为第j个样本光谱的得分向量。
有益效果：
本发明提出了一种判断辛烷值模型维护更新的方法，当待测样本为模型外样本时，能及时提醒工作人员组分油或调合油由于工艺的改变，其辛烷值发生了突变，采用当前模型进行预测可能结果不准。收到报警信号后，工作人员对当前待测组分进行标准化验，并添加至模型中，以提高模型的预测精度。本发明提出的按需维护更新的方法相对于传统定时维护更新的方法，在保证模型预测精度的前提下，大大节约了时间人力资源。
附图说明
图1是判断辛烷值模型维护更新的步骤。
图2是S_Zorb-72光谱、光谱库光谱和光谱库重心Score的二维分布图。
图3是S_Zorb-72待测样本的邻近区域。
图4是S_Zorb-73待测样本的邻近区域。
具体实施方式
下面结合附图和实施案例对本发明作进一步的说明。
本发明以某炼化企业汽油调合业务的实际实施情况并结合一具体算例，给出详细的计算过程和具体的操作流程。该企业目前参与调合的组分油有S_Zrob汽油、己烷轻石、重整抽余油、MTBE等，调合油有国V92#、95#和国IV93#、97#，为给调合生产提供有效调控依据，该企业目前采用近红外光谱定量分析技术对组分油及调合汽油的性质进行预测。但由于生产装置不稳定，导致S_Zrob汽油、己烷轻石、重整抽余油、MTBE等组分油的辛烷值会产生较大波动，导致待测样本性质预测不准。
本专利以S_Zrob汽油为例，介绍当待测样本超出辛烷值模型预测范围时给出警报的过程。S_Zorb辛烷值预测模型建模样本共71个，预处理方法为基线校正和矢量归一化，采用有效波数段范围为7800-9000cm-1，5100-6030cm-1，6400-6480cm-1，模型光谱库中样本编号及辛烷值如表1所示，即S_Zorb-1～S_Zorb-71，其中编号为S_Zorb-72和S_Zorb-73为两个待测样本。
表1 S_Zorb样本编号及对应辛烷值
首先判断待测样本S_Zorb-72是否为模型界外样本，将S_Zorb-72和模型光谱库中的光谱S_Zorb-1～S_Zorb-71进行基线校正和矢量归一化，然后计算光谱库的光谱重心Score，即光谱库光谱的平均光谱。采用主成分分析，计算预处理后待测样本光谱、光谱库光谱和光谱库重心Score的第一和第二主成分，如表2所示：
表2待测样本S_Zorb-72光谱、光谱库光谱和光谱库重心Score的第一、第二主成分
优选的实施例中，基于表1数据，以得分向量的第一主成分为横坐标，第二主成分为纵坐标，将待测样本光谱、光谱库光谱和光谱库重心Score绘在二维图上展示，如图2所示。
优选的实施例中，基于得分向量的第一、第二主成分，采用欧式距离公式计算光谱库的光谱重心Score到所有光谱库光谱的距离，查找最大光谱距离为Dmax＝0.1481。以光谱库的光谱重心Score所在的点为端点，连接待测样本所在的点，得到射线。以光谱库的光谱重心Score为顶点，以射线为对称轴，对称轴长为最大光谱距离Dmax，旋转对称轴，优选的实施例中，旋转角度为±5°，得到扇形区域即S_Zorb-72的邻近区域如图3所示。扇形的两个端点坐标分别为[-0.1127-0.0954]和[-0.1276-0.0743]，扇形顶点即光谱库的光谱重心Score。
在扇形区域内查找待测样本S_Zorb-72的邻近光谱库样本为S_Zorb-3、S_Zorb-17、S_Zorb-24、S_Zorb-58、S_Zorb-59共计5个，采用下式
计算扇形区域即邻近光谱库的重心Snewcore，具体数据如表3所示：
表3 S_Zorb-72待测样本的邻近光谱库样本
| 编号 | 第一主成分 | 第二主成分 |
| S_Zorb-3 | -0.0406 | -0.0267 |
| S_Zorb-17 | -0.0234 | -0.0139 |
| S_Zorb-24 | -0.0418 | -0.0284 |
| S_Zorb-58 | -0.0446 | -0.0299 |
| S_Zorb-59 | -0.0426 | -0.0261 |
| S_Zorb-72 | -0.0296 | -0.0210 |
| Score | 0.0004 | 0.0003 |
| Snewcore | -0.0191 | -0.0124 |
计算邻近区域的光谱重心(邻近光谱库重心)Snewcore到所有邻近光谱库光谱及光谱库的光谱重心Score的距离，查找最大光谱距离为Dnewmax＝0.0310，将μ设为1.1，采用下式计算光谱距离阈值DST：
DST＝1.1*0.0310＝0.0341
优选的实施例中，采用欧氏距离公式计算待测样本S_Zorb-72到邻近区域的光谱重心(邻近光谱库重心)Snewcore的距离DPA＝0.0136，很明显DPA小于DST，因此S_Zorb-72，是模型界内样本，不需要给出警报。
采用上述方法，判断待测样本S_Zorb-73是否为模型界外样本，表4为经过基线校正和矢量归一化后待测样本S_Zorb-73光谱、光谱库光谱和光谱库的光谱重心Score得分向量的第一、第二主成分，基于第一、第二主成分计算光谱库光谱到光谱库的光谱重心Score的最大光谱距离Dmax为0.1481。
表4待测样本S_Zorb-73光谱、光谱库光谱和光谱库重心Score的第一、第二主成分
图4为S_Zorb-73待测样本的邻近区域，在邻近区域内S_Zorb-73的邻近光谱只有一个，即S_Zorb-16，坐标为(0.0299-0.0260)。通过S_Zorb-16和光谱库的光谱重心Score计算得到邻近区域的光谱重心(邻近区域光谱库重心)Snewcore，其坐标为(0.0147-0.0131)。计算邻近区域内的最大光谱重心距离Dnewmax，即S_Zorb-16到Snewcore的光谱距离为0.0200，优选的实施例中，将μ设为1.1则光谱距离阈值DST为0.0220。待测样本S_Zorb-73到Snewcore的光谱距离DPA＝0.1104，明显大于DST，因此S_Zorb-73为模型界外样本，需要给出报警。
尽管本发明已经参照附图和优选实例进行了说明，但是，对于本领域的技术人员来说，本发明可以有各种更改和变化。本发明的各种更改、变化，和等同物有所附的权利要求书的内容涵盖。
本发明未涉及技术均与现有技术相同，或可采用现有技术实现。
Claims (2)
1.一种判断辛烷值模型维护更新的方法，其特征在于采用光谱距离阈值作为分界点来判断待测样本是否为模型界外样本，是则进行报警以提醒工作人员需对现有模型进行维护更新；所述判断待测样本是否为模型界外样本是指判断待测样本是否脱离模型的覆盖范围，具体步骤如下：
(1)对待测样本和模型的光谱库中的光谱进行常规预处理；
(2)计算光谱库的光谱重心Score，即光谱库光谱的平均光谱；
(3)采用主成分分析，计算预处理后待测样本光谱、光谱库光谱和光谱库的光谱重心Score的得分向量；
(4)基于得分向量的第一和第二主成分，计算光谱库光谱到光谱库的光谱重心Score的光谱距离，并确定最大光谱距离Dmax；
(5)基于得分向量的第一和第二主成分，利用光谱库的光谱重心Score、最大光谱距离Dmax，以及待测样本确定待测样本的邻近区域；步骤(5)中所述的邻近区域，确定方法如下：
(501)基于得分向量的第一和第二主成分建立二维坐标系，其中第一主成分为横坐标，第二主成分为纵坐标，以光谱库的光谱重心Score所在的点为端点，连接待测样本所在的点，得到射线；
(502)设定初始角度α，以光谱库的光谱重心Score为轴中心，以射线为对称轴，对称轴长为最大光谱距离Dmax，旋转对称轴，旋转角度为±α，得到扇形区域即为所述的邻近区域；
(6)在邻近区域内查找待测样本的邻近光谱库样本，组成邻近光谱库；步骤(6)中在邻近区域内查找待测样本的邻近光谱库样本，具体步骤如下：
(601)扇形区域的两个端点和一个顶点在二维坐标系中的坐标分别为O1(x1，y1)、O2(x2，y2)和O3(x3，y3)，光谱库中第i样本的坐标Oi(xi，yi)；
(602)以O1、O2和O3三点确定三角形，求出三角形三边的长，然后求三角形面积A；
(603)采用步骤(602)的方法分别计算Oi与O1、O2、O3任意两点所围成的三角形面积Ai12、Ai13、Ai23；
(604)判断A是否等于Ai12、Ai13、Ai23之和，若是，则此光谱库中第i样本为待测样本的邻近样本Sneighbor，否则不是；
(7)计算邻近区域的光谱重心Snewcore；步骤(7)中所述的邻近区域的光谱重心Snewcore，采用下式计算：
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>n</mi>
<mi>e</mi>
<mi>w</mi>
<mi>c</mi>
<mi>o</mi>
<mi>r</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>S</mi>
<mrow>
<mi>n</mi>
<mi>e</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>b</mi>
<mi>o</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>+</mo>
<mi>n</mi>
<mo>&times;</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>r</mi>
<mi>e</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
式中，n为邻近光谱库样本的总数，Snewcore为邻近区域的光谱重心，Score为光谱库的光谱重心，Sneighbor为待测样本的邻近样本；
(8)基于得分向量的第一和第二主成分，计算邻近光谱库光谱、光谱库的光谱重心Score分别与邻近区域的光谱重心Snewcore的光谱距离，并找出其中最大光谱重心距离Dnewmax，确定光谱距离阈值DST，确定方法如下式：
DST＝μ×Dnewmax
其中μ为常数，1.0≤μ≤1.1；
(9)基于得分向量的第一和第二主成分，计算待测样本与邻近区域的光谱重心Snewcore的光谱样本距离DPA；
(10)判断光谱样本距离DPA是否大于光谱距离阈值DST，若大于，则待测样本为模型界外样本，需给出报警，否则不需给出报警；
所述的最大光谱距离Dmax、最大光谱重心距离Dnewmax、光谱样本距离DPA，采用的是欧式距离，计算公式如下：
<mrow>
<msub>
<mi>D</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
</mrow>
</msqrt>
</mrow>
其中Di,j是指第i个光谱与第j个光谱间的欧式距离；ti为第i个样本光谱的得分向量，tj为第j个样本光谱的得分向量。
2.根据权利要求1所述的一种判断辛烷值模型维护更新的方法，其特征在于所述初始角度α小于5°。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510601602.7A CN105184004B (zh) | 2015-09-18 | 2015-09-18 | 一种判断辛烷值模型维护更新的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510601602.7A CN105184004B (zh) | 2015-09-18 | 2015-09-18 | 一种判断辛烷值模型维护更新的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105184004A CN105184004A (zh) | 2015-12-23 |
| CN105184004B true CN105184004B (zh) | 2018-01-23 |
Family
ID=54906083
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510601602.7A Active CN105184004B (zh) | 2015-09-18 | 2015-09-18 | 一种判断辛烷值模型维护更新的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105184004B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109975232B (zh) * | 2017-12-28 | 2023-08-01 | 交通运输部科学研究院 | 一种沥青及沥青改性添加剂的检测方法 |
| CN108226092B (zh) * | 2017-12-29 | 2021-01-12 | 广州讯动网络科技有限公司 | 基于近红外光谱相似度的模型界外样本识别方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103760139A (zh) * | 2013-05-14 | 2014-04-30 | 江南大学 | 一种基于三维荧光光谱与稳健马氏距离鉴别市售橙汁饮品的方法 |
-
2015
- 2015-09-18 CN CN201510601602.7A patent/CN105184004B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103760139A (zh) * | 2013-05-14 | 2014-04-30 | 江南大学 | 一种基于三维荧光光谱与稳健马氏距离鉴别市售橙汁饮品的方法 |
Non-Patent Citations (4)
| Title |
|---|
| Autoregressive modeling of near-IR spectra and MLR to predict RON values of gasolines;Andreas A. Kardamakis 等;《Fuel》;20090904;第158-161页 * |
| PCA结合马氏距离法剔除近红外异常样品;陈斌 等;《江苏大学学报》;20080731;第29卷(第4期);第277-279页 * |
| Using principal component analysis to find the best calibration settings for simultaneous spectroscopic determination of several gasoline properties;Fernanda Araujo Honorato 等;《Fuel》;20080716;第3706-3709页 * |
| 局部建模方法用于烟草样品的近红外光谱定量分析;石雪 等;《光谱学与光谱分析》;20081130;第28卷(第11期);第2561-2564页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105184004A (zh) | 2015-12-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103983757B (zh) | 基于混合Weibull分布的变压器绝缘热老化状态可靠性评估方法 | |
| CN104990893B (zh) | 一种基于相似判别的汽油辛烷值检测方法 | |
| Thornton et al. | Body size and spatial scales in avian response to landscapes: a meta‐analysis | |
| CN110400231A (zh) | 一种加权非线性贝叶斯的电能计量设备失效率预估方法 | |
| CN108241901A (zh) | 一种基于预测数据的变压器预警评估方法及装置 | |
| CN104990894A (zh) | 一种基于加权吸光度及相似样本的汽油性质检测方法 | |
| CN104992239A (zh) | 一种基于相关系数的行业用电量规律预测方法 | |
| CN107132310A (zh) | 基于高斯混合模型的变压器设备健康状态判别方法 | |
| CN108009937A (zh) | 一种配电主设备健康状态的评估方法 | |
| CN106682381A (zh) | 一种面向环境空气质量的动态数据模拟预报方法 | |
| CN105184004B (zh) | 一种判断辛烷值模型维护更新的方法 | |
| CN102654539A (zh) | 一种电子式互感器运行状态评价方法 | |
| CN110288196A (zh) | 输电线路舞动分级预警方法及系统 | |
| CN106485053A (zh) | 一种基于模糊标识指数的水功能区水质评价方法 | |
| CN109521304A (zh) | 一种节点电压暂降耐受特性的描述及评估方法及装置 | |
| CN105354752A (zh) | 基于gwr的柔鱼资源与海洋环境因素关系的分析方法 | |
| CN105987886A (zh) | 近红外光谱测定加氢裂化尾油性质的方法 | |
| CN108846239A (zh) | 一种基于温湿度的弹性环氧树脂加速贮存试验及评估方法 | |
| Wang et al. | Spatiotemporal variation and convergence analysis of China's regional energy security | |
| CN107665373A (zh) | 一种混合模型的电影票房预测方法 | |
| CN103926215B (zh) | 一种沥青针入度的快速检测方法 | |
| CN110020761A (zh) | 石化行业粉尘作业职业危害暴露风险评估方法 | |
| CN108766580B (zh) | 一种辅助判断子宫内膜癌复发风险的试剂盒 | |
| Yu et al. | High-Speed Rail and Energy Productivity: Evidence from China | |
| CN107180293A (zh) | 一种面向勘探目标的地质评价水平测定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |