CN106525766A - 油砂中钾元素含量的近红外光谱测量方法 - Google Patents
油砂中钾元素含量的近红外光谱测量方法 Download PDFInfo
- Publication number
- CN106525766A CN106525766A CN201610972123.0A CN201610972123A CN106525766A CN 106525766 A CN106525766 A CN 106525766A CN 201610972123 A CN201610972123 A CN 201610972123A CN 106525766 A CN106525766 A CN 106525766A
- Authority
- CN
- China
- Prior art keywords
- sample
- potassium
- oil
- spectrum
- sand
- 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.)
- Pending
Links
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 title claims abstract description 48
- 229910052700 potassium Inorganic materials 0.000 title claims abstract description 46
- 239000011591 potassium Substances 0.000 title claims abstract description 46
- 239000003027 oil sand Substances 0.000 title claims abstract description 32
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 14
- 238000000691 measurement method Methods 0.000 title claims abstract description 8
- 239000000523 sample Substances 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000001228 spectrum Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000004611 spectroscopical analysis Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 3
- 238000000513 principal component analysis Methods 0.000 abstract 2
- 238000012795 verification Methods 0.000 abstract 2
- 238000005457 optimization Methods 0.000 abstract 1
- 238000004445 quantitative analysis Methods 0.000 abstract 1
- 238000011084 recovery Methods 0.000 abstract 1
- 238000010561 standard procedure Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 6
- 238000001095 inductively coupled plasma mass spectrometry Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- WURBVZBTWMNKQT-UHFFFAOYSA-N 1-(4-chlorophenoxy)-3,3-dimethyl-1-(1,2,4-triazol-1-yl)butan-2-one Chemical compound C1=NC=NN1C(C(=O)C(C)(C)C)OC1=CC=C(Cl)C=C1 WURBVZBTWMNKQT-UHFFFAOYSA-N 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 229910000765 intermetallic Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 1
- 239000002006 petroleum coke Substances 0.000 description 1
- 238000005504 petroleum refining Methods 0.000 description 1
- ZDHURYWHEBEGHO-UHFFFAOYSA-N potassiopotassium Chemical compound [K].[K] ZDHURYWHEBEGHO-UHFFFAOYSA-N 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种油砂中钾元素含量的近红外光谱测量方法,该方法包括:(1)采集油砂样品并分成校正集和验证集;(2)按照标准方法测定所有样品的钾元素含量;(3)用反射式近红外分析仪探头采集校正集样品光谱;(4)将光谱预处理,采用主元分析(PCA)降维,选取建模波段;(5)采用偏最小二乘法(PLS)建立钾含量的定量校正模型;(6)用验证集验证模型;(7)测定待测样品光谱,并用所建立的模型验证其钾元素的含量。该方法与传统测量方法相比无需复杂的样品预处理,具有操作简单、快速无损、对样品及环境无污染等特点,为油砂中钾含量分析提供了新方法。同时可用于实时在线定量分析,对油砂加工过程的实时控制及优化、提高回收率等都具有直接的现实意义。
Description
技术领域
本发明涉及油砂快速分析和光谱数据处理领域,具体涉及油砂中钾元素含量的近红外光谱测量方法。
背景技术
随着石油不断开采及重质化,油砂的地位越来越重要,钾元素虽在油砂中的含量不高但对其加工过程中的油品质量,设备腐蚀,能源利用效率和环境污染指标等都有很大影响。工业效益方面,石油焦中杂质元素的含量高低直接影响产品的质量,决定产品的性能,如高浓度的钾金属化合物会腐蚀设备装置、使催化剂失活,其含量也是脱金属过程的重要参数之一等;环境保护方面,石油开采过程中落地石油污染土壤,炼制过程中的油泥和油砂也会对环境造成污染;资源利用方面,钾金属是许多重要化合物的必要元素之一同时也是人体的必需微量元素,对其回收利用有极大的效益。因此,准确快速测定油砂中钾元素含量对石油加工过程的分析及控制,减少环境污染等具有重要意义。
目前国内外测定钾元素的方法最常用的主要有原子吸收光谱法(AAS)、X射线荧光光谱(XRF)法、电感藕合等离子体质谱法(ICP-MS)法等。其中原子吸收光谱法(AAS)对样品前处理繁琐且耗时,测定精密度低,应用范围窄;XRF法易受干扰于低质量数元素的分析灵敏度较低;电感藕合等离子体发射光谱法(ICP-AES)虽有较高的灵敏度但设备昂贵,设备维护费用高,操作复杂;电感藕合等离子体质谱法(ICP-MS)易受环境干扰且需要对样品进行复杂的预处理,检测时间长。
近红外光谱分析技术以其检测速度快、不破坏样品、无需或极小对样品进行预处理、对环境无污染、易于实现在线分析等优点,已经成功地应用于石油化工、农业、食品、高分子、医学制药等许多领域。但目前有关油砂中钾元素含量的近红外光谱测量方法未见报道。
发明内容
为解决上述问题,本发明提出了油砂中钾元素含量的近红外光谱测量方法。
为实现上述目的,本发明采用如下技术方案:
(1)采集油砂样品:采集不同地质条件下的油砂样品,并将其分为校正集和验证集;
(2)测定样品中钾元素含量:按照传统标准方法测定所有油砂样品中金属钾的含量,记录数据;
(3)光谱的采集:将校正集样品放置于特定温度下,等待样品温度达到稳定状态。用反射式近红外探头与样品表面接触,采集样品的近红外光谱数据。变化样品的放置温度并使其达到稳定状态,采集不同温度下的光谱。
(4)光谱的预处理和奇异点剔除:对上述(3)中采集的近红外光谱,进行基线校正及一阶微分处理,对处理后的光谱进行主元分析(PCA),剔除奇异样品点,最后形成建模光谱数据集。
(5)定量校正模型建立:对预处理后的建模光谱数据集和(2)中校正集的油砂钾元素含量测定值,选取特定的光谱频段,通过偏最小二乘法(PLS)建立钾元素含量与近红外光谱之间相关联的校正模型。
(6)校正模型的验证:用相同反射式近红外探头,收集验证集样本的近红外光谱,根据步骤(5)中建立的定量校正模型预测其钾钾含量,比较该样品钾元素含量的实测值和预测值,并根据实际误差要求,对校正模型的波段选取进行优化。
(7)待测样品分析:采集待测油砂的光谱,利用步骤(5)和步骤(6)建立的校正模型,预测出待测油砂钾元素的含量。
本发明具有以下技术效益
(1)操作简单:样品无需样品预处理,直接将反射式近红外探头置于样品表面。
(2)样品无损:无需使用任何试剂,不损坏样品,无污染。
(3)检测迅速:光谱的测量时间只需不到一分钟,与传统的测量方法相比,大大缩短了检测时间。
(4)可实现在线检测:检测迅速,可在油砂加工过程对钾含量进行实时检测从而及时对工艺条件和进料批次进行调整,减少对设备的损害,提高能源效率。
(5)重现性好:光谱测量稳定性好,受外界干扰小。
(6)检测精度高:结果表明模型预测值与常规测定值之间的绝对误差不超过0.568mg/L,且两者之间具有较好的相关性,其相关系数为83.3%,预测均方根误差为0.295mg/L,说明该方法的精度较高,在油种的鉴定及藏油工程中的钾金属含量检测提供方法,具有实际的应用价值。
附图说明
图1油砂中钾元素含量的近红外光谱测量方法流程图。
图2不同油砂样品的近红外光谱曲线。
图3预处理后的近红外光谱曲线。
图4主元分析图
图5油砂钾元素的近红外建模频率范围。
图6油砂中钾元素含量的校正模型最小二乘系数。
图7油砂中钾元素钾含量的验证集样本分析值和本方法模型预测值的对比图。
图8油砂中钾元素含量的近红外测量和实际分析值的对比图。
具体实施方式
为了使本发明的目的及优点更加清楚明白,以下结合实例对本发明实施步骤进行详细说明。
步骤1:采集不同地质条件下的油砂样品,本例样品数为200个,其中100个样本作为校正集,另外65个样本作为验证集,其余35个作为未知样品实验;
步骤2:按照传统标准方法测定所有样品中钾元素的含量并记录数据。
步骤3:将校正集样品放置于冷箱中,保持4℃温度,并且待样品温度达到稳定状态。
步骤4:用反射式近红外探头与样品表面接触,采集校正集样品的近红外光谱数据。
步骤5:将样品放置在15℃和25℃温度下,待样品温度达到稳定状态,用上述步骤4所述同样探头和方法,采集校正样品集的光谱。图2所示为不同油砂样品的原始光谱实例。
步骤6:对上述步骤3,4,5中采集的近红外光谱,进行基线校正及一阶微分处理,对处理后的光谱进行主元分析(PCA),剔除奇异样品点,最后形成建模光谱数据集。图3为预处理后的油砂光谱。图4为校正集主元分析图中的奇异点。
步骤7:对预处理后的建模光谱数据集和上述步骤2中校正集的油砂金属钾含量测定值,通过偏最小二乘法(PLS)建立钾元素含量与近红外光谱之间相关联的校正模型。选取的建模波段范围为1175-1406nm和1885-2042nm共同作为建模波段。图5分别为油砂钾元素建模频率范围。图6为校正模型的最小二乘系数。
步骤8:用相同反射式近红外探头,收集验证集样本的近红外光谱。验证集样品的温度要求在4-25℃之间。具体温度不必做精确测定和记录。根据步骤7中建立的定量校正模型预测其金属钾含量,比较该样品金属钾含量的实测值和预测值。校正模型相关系数为86.8%,均方误差为0.292(mg/L)。图7是验证集样本实验室分析值和本方法模型预测值的比较。
步骤9:采集待测油砂的光谱,利用步骤上述7建立的校正模型,预测出待测油砂金属钾的含量,实际分析值和预测值的相关系数为83.3%,均方误差为0.295(mg/L)。图8是实际分析值和预测值的对比。
Claims (5)
1.油砂中钾元素含量的近红外光谱测量方法,其特征在于包括如下步骤:
(1)采集油砂样品:采集不同地质条件下的油砂样品,并将其分为校正集和验证集;
(2)测定样品中钾元素含量:按照传统标准方法测定所有油砂样品中钾元素的含量,记录数据;
(3)光谱的采集:将校正集样品放置于特定温度下,等待样品温度达到稳定状态;用反射式近红外探头与样品表面接触,采集样品的近红外光谱数据;改变样品的放置温度并使其达到稳定状态,采集不同温度下的光谱;
(4)光谱的预处理和奇异点剔除:对上述(3)中采集的近红外光谱,进行基线校正及一阶微分处理,对处理后的光谱进行主元分析(PCA),剔除奇异样品点,最后形成建模光谱数据集;
(5)定量校正模型建立:对预处理后的建模光谱数据集和(2)中校正集的油砂钾元素含量测定值,选取特定的光谱频段,通过偏最小二乘法(PLS)建立钾元素含量与近红外光谱之间相关联的校正模型;
(6)校正模型的验证:用相同反射式近红外探头,收集验证集样本的近红外光谱,根据步骤(5)中建立的定量校正模型预测其钾元素含量,比较该样品钾元素含量的实测值和预测值,并根据实际误差要求,对校正模型进行优化;
(7)待测样品分析:采集待测油砂的光谱,利用步骤(5)和步骤(6)建立的校正模型,预测出待测油砂钾元素的含量。
2.根据权利要求1所述的油砂中钾元素含量的测量方法,其特征在于步骤(3)所述,油砂样品不需要任何化学预处理,直接用近红外反射式探头接触样品表面,以测定其近红外光谱数据。
3.根据权利要求1所述的油砂中钾元素含量的测量方法,其特征在于步骤(3)所述,将样品至于特定温度并待其达到稳定状态,采集近红外光谱;将样品放置于不同温度并使其达到稳定状态后,采集不同温度下光谱数据。
4.根据权利要求1所述的油砂中钾含量的测量方法,其特征在于步骤(4)所述,光谱预处理方法为基线和一阶导数;基于主元分析(PCA)的奇异数据剔除。
5.根据权利要求1所述的油砂中钾含量的测量方法,其特征在于步骤(5)所述,建模近红外波段为1175-1406nm和1885-2042nm的结合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610972123.0A CN106525766A (zh) | 2016-11-07 | 2016-11-07 | 油砂中钾元素含量的近红外光谱测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610972123.0A CN106525766A (zh) | 2016-11-07 | 2016-11-07 | 油砂中钾元素含量的近红外光谱测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106525766A true CN106525766A (zh) | 2017-03-22 |
Family
ID=58349515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610972123.0A Pending CN106525766A (zh) | 2016-11-07 | 2016-11-07 | 油砂中钾元素含量的近红外光谱测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106525766A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201503392U (zh) * | 2009-06-29 | 2010-06-09 | 浙江托普仪器有限公司 | 基于近红外光谱的手持式土壤养分无损测量装置 |
CN105954228A (zh) * | 2016-07-04 | 2016-09-21 | 江南大学 | 基于近红外光谱的油砂中金属钠含量的测量方法 |
-
2016
- 2016-11-07 CN CN201610972123.0A patent/CN106525766A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201503392U (zh) * | 2009-06-29 | 2010-06-09 | 浙江托普仪器有限公司 | 基于近红外光谱的手持式土壤养分无损测量装置 |
CN105954228A (zh) * | 2016-07-04 | 2016-09-21 | 江南大学 | 基于近红外光谱的油砂中金属钠含量的测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105300923B (zh) | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 | |
US11650348B2 (en) | Model based discriminant analysis | |
Chen et al. | Rapid measurement of total acid content (TAC) in vinegar using near infrared spectroscopy based on efficient variables selection algorithm and nonlinear regression tools | |
CN101929951B (zh) | 一种牛奶中掺羊奶的近红外光谱判别方法 | |
Huang | Chemometric methods in analytical spectroscopy technology | |
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 | |
CN101995389B (zh) | 一种由近红外光谱快速识别原油种类的方法 | |
CN106525755A (zh) | 基于近红外光谱技术的油砂pH值测试方法 | |
CN105424641B (zh) | 一种原油种类的近红外光谱识别方法 | |
CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
CN106932378A (zh) | 一种基于拉曼光谱的炼厂酸性气成分的在线检测系统和方法 | |
CN109324013A (zh) | 一种利用高斯过程回归模型构建原油性质近红外快速分析的方法 | |
CN105203498A (zh) | 一种基于lasso的近红外光谱变量选择方法 | |
CN102841069B (zh) | 一种由中红外光谱识别原油种类的方法 | |
CN105954228A (zh) | 基于近红外光谱的油砂中金属钠含量的测量方法 | |
CN105259136B (zh) | 近红外校正模型的无测点温度修正方法 | |
Dai et al. | Comparison between NIR, FT-IR and Raman for quantitative analysis of the conversion of poly alpha oil (PAO) | |
CN102954946A (zh) | 由红外光谱测定原油硫含量的方法 | |
CN103134764B (zh) | 由透射红外光谱预测原油实沸点蒸馏曲线的方法 | |
CN107356556A (zh) | 一种近红外光谱定量分析的双集成建模方法 | |
Li et al. | A hard modeling approach to determine methanol concentration in methanol gasoline by Raman spectroscopy | |
CN106525766A (zh) | 油砂中钾元素含量的近红外光谱测量方法 | |
CN107688007A (zh) | 一种基于近红外光谱分析技术的导热油品质的检测方法 | |
CN106442402A (zh) | 基于近红外光谱的油砂中钙元素含量的快速检测方法 | |
CN101650306A (zh) | 快速检测分析绢云母质量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170322 |
|
WD01 | Invention patent application deemed withdrawn after publication |