CN111077102A - 不同型号仪器测定的原油近红外光谱转换及原油识别方法 - Google Patents
不同型号仪器测定的原油近红外光谱转换及原油识别方法 Download PDFInfo
- Publication number
- CN111077102A CN111077102A CN201811219792.6A CN201811219792A CN111077102A CN 111077102 A CN111077102 A CN 111077102A CN 201811219792 A CN201811219792 A CN 201811219792A CN 111077102 A CN111077102 A CN 111077102A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- crude oil
- instrument
- near infrared
- moving
- 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.)
- Granted
Links
- 239000010779 crude oil Substances 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 53
- 238000006243 chemical reaction Methods 0.000 title description 6
- 238000001228 spectrum Methods 0.000 claims abstract description 289
- 238000005070 sampling Methods 0.000 claims abstract description 77
- 238000000280 densification Methods 0.000 claims abstract description 22
- 238000002835 absorbance Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000003595 spectral effect Effects 0.000 claims description 49
- 239000013598 vector Substances 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 6
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 238000001831 conversion spectrum Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000012188 paraffin wax Substances 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000011541 reaction mixture 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
-
- 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
- G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
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
一种不同型号仪器测定的原油近红外光谱转换方法,包括(1)取一个原油样品,在同样条件下用仪器A、B测定,(2)对所得的光谱A和B进行密化插值后进行二阶微分处理,得到处理后的光谱EA和EB,(3)将EA和EB按光谱波数范围分成n个不同的波段,对每个波段,计算每次移动光谱后光谱EA和EB重叠段的平均移动相关系数Rx,按其中的最大值Rq对应的采样点数移动光谱EB,转换成与仪器A测试所得光谱一致的光谱,再按A仪器测定光谱的采样间隔进行逆插值处理,得到与A仪器测定光谱吸光度采样点数相同的转换光谱FBn,(4)将n个不同波段的FBn按波数顺序首尾连接,得到转换成与仪器A采集光谱一致的转换光谱FB。该法可消除不同型号仪器产生的光谱差异。
Description
技术领域
本发明为一种光谱转换方法,具体地说,是一种将不同型号的同种光谱测定仪测定的光谱转换成同一型号仪器测定的光谱的方法。
背景技术
CN200910169611.8公开了一种由近红外光谱快速识别原油种类的方法,该法基于移动窗口概念(Moving Window)结合传统相关系数法提出了一种用于原油近红外光谱快速识别的方法-移动窗口相关系数法。这种方法可以准确地对原油种类进行识别,并能给出不同原油近红外光谱之间详细的差异信息,为解析谱图提供有力帮助。但是在实际应用过程中,经常遇到近红外光谱不一致的问题,即同一个原油由不同型号的近红外光谱仪测得的光谱不相同,其主要原因是由于不同型号光谱仪之间的关键部件存在微小差异。若将在一种型号近红外光谱仪器上建立的近红外光谱数据库用于另一种型号仪器测定的光谱识别时,由于光谱之间存在差异,会导致错误的识别结果,例如,同一种原油有可能被误判为两种不同的原油。
为解决不同仪器采集光谱不一致的问题,针对不同的应用对象已提出了多种方法。常用的算法是DS(Direct Standardization,直接标准化)算法,这种算法是针对两类仪器之间有较大光谱差异的情况,通过一组标样找到两类仪器之间的光谱转换系数。平均光谱差值校正方法(Mean Spectra Subtraction Correction Method,MSSC)是针对两类仪器间在吸光度上存在差异而在波长上不存在差异的情况,通过一组标样找出不同仪器之间的吸光度差异。
发明内容
本发明的目的是提供一种不同型号仪器测定的原油近红外光谱转换及原油识别方法,该法可消除不同型号仪器测定的原油样品近红外光谱间产生的微小的光谱差异,准确地由不同型号仪器测定的近红外光谱识别待测原油样品的种类。
本发明提供的不同型号仪器测定的原油近红外光谱转换方法,包括如下步骤:
(1)取一个原油样品,在同样的光谱采集条件下,分别用仪器A和仪器B测定其近红外光谱,得到原油样品的近红外光谱A和近红外光谱B,
(2)对原油样品的近红外光谱A和B进行密化插值,并对密化插值后的光谱进行二阶微分处理,得到密化插值的光谱EA和EB,
(3)将EA和EB按光谱波数范围分成n个不同的波段,对每个波段,设v为光谱移动的采样点数,先使光谱EA和EB在此波段的光谱完全重叠,v=0,再相对光谱EB,将光谱EA按逐个采样点右移,直至将光谱EA右移m个采样点,v=m,再相对光谱EA,将光谱EB按逐个采样点右移,直至将光谱EB右移m个采样点,v=-m,计算每次移动光谱后产生的光谱EA和EB重叠段的平均移动相关系数Rx,共计有(2m+1)个平均移动相关系数,取其中的最大值Rq对应的采样点数q为光谱移动的采样点数,若q=0,则不移动任何光谱,若q>0,将光谱EB左移q个采样点,若q<0,将光谱EB右移q个采样点,转换成与仪器A测试所得光谱一致的光谱,再按A仪器测定光谱的采样间隔进行逆插值处理,得到与A仪器测定光谱吸光度采样点数相同的转换光谱FBn,
(4)将n个不同波段的转换光谱FBn,按波数顺序首尾连接,得到将仪器B采集的光谱转换成与仪器A采集光谱一致的转换光谱FB。
本发明方法对两个不同型号仪器测定的原油样品的近红外光谱,通过光谱密化插值,再通过相对连续移动两个光谱中的某一个,计算由此产生的若干个光谱重叠段的平均移动相关系数,由平均移动相关系数最大的一个确定光谱波长的偏移量,由偏移量将一个型号仪器测定的光谱转换成另一个型号仪器测定的光谱。该法可将不同型号仪器测定的原油样品的近红外光谱转换成同一型号仪器测得的光谱,适用于远程测定原油样品的红外光谱,由原油库光谱识别其种类。
具体实施方式
本发明方法针对两个不同型号仪器测定的原油样品的近红外光谱之间存在的波长的微小差异,提出了一种分段比较,消除光谱波长偏移的简便方法。先对光谱进行密化插值,然后对其进行二阶微分处理,将处理后的光谱分成n个不同的波段,对每个波段,按逐个采样点相对移动两个光谱中的某一个,移动一定的采样点数后,则光谱相对移动了一定的波数范围,在此范围内,计算每次移动某一光谱产生的两光谱重叠段的平均移动相关系数,通过比对每个平均移动相关系数的大小,取平均移动相关系数最大的一个,按其移动的采样点数和移动方向,将一个仪器(B)测定的光谱向该方向移动所述的采样点数,转换成与另一个仪器(A)测定光谱相一致的光谱,再对其进行逆插值处理转换成与转成光谱的仪器(A)测定的采样间隔相同的转换光谱,将n个波段的转换光谱首尾连接成整条光谱,从而实现不同型号仪器测定的光谱之间的转换。
本发明方法(1)步是在同样的光谱采集条件下,用两种不同型号的仪器测定同一个原油样品的近红外光谱,测定原油样品光谱的不同型号的仪器A和仪器B优选为傅里叶变换近红外光谱仪,采集光谱的波数范围可为4000~10000cm-1,光谱采集的分辨率优选4~10cm-1。
(2)步为对仪器A和仪器B测定的原油样品的近红外光谱A和B进行密化插值,优选采用三次样条插值法对光谱A和B进行密化插值,密化插值设定的采样点间隔优选0.01~0.04cm-1。将密化插值后光谱进行二阶微分处理,得到密化插值处理后的光谱EA和EB。
(3)步为将密化插值处理后的光谱EA和EB分成n个不同的波段,优选分成3~5个不同的波段,每个波段所含的波数优选为1200~1600cm-1,每个波段含有的波数可相同,也可不同,即可按相同的波数将光谱分成n个波段,也可按不同的波数将光谱分成n个波段。如可将密化插值处理后的光谱EA和EB按每个波段1500个波数分成四个波段,分别为4000~5500cm-1波段、5500~7000cm-1波段、7000~8500 cm-1波段和8500~10000cm-1波段。
对于每个波段,先使光谱EA和EB在此波段的光谱完全重叠,再保持光谱EB不动,将光谱EA相对光谱EB按逐个采样点右移,即先将光谱EA向右移一个采样点,产生一个光谱重叠段,再将光谱EA向右移一个采样点,又产生一个光谱重叠段,以此类推,共将光谱EA右移m个采样点,记为v=m,产生m个光谱重叠段,其移动方向相当于光谱EB相对光谱EA左移,同样地,保持光谱EA不动,将光谱EB相对光谱EA按逐个采样点右移,共将光谱EB右移m个采样点,记为v=-m,也产生m个光谱重叠段,v为光谱移动的采样点数。计算每次移动光谱后产生的光谱EA和EB重叠段的平均移动相关系数Rx,取最大值的平均移动相关系数Rq,由q值可将EB转换成与仪器A测试所得光谱一致的光谱。
上述方法中,产生的光谱重叠段数与光谱移动的采样点数相同,所述光谱重叠段的设置方法为:在一个波数为a~b的光谱波段,当光谱EA和EB完全重叠时,v=0,对EA光谱,重叠段为EAa~EAb,对EB光谱,重叠段为EBa~EBb,保持光谱EB不动,将光谱EA相对光谱EB右移v个采样点,对EA光谱,重叠段为EA(a+vd)~EAb,对EB光谱,重叠段为EBa~EB(b-vd),以此类推,直到将光谱EA相对光谱EB右移m个采样点,对EA光谱,重叠段为EA(a+md)~EAb,对EB光谱,重叠段为EBa~EB(b-md),其中d为采样间隔的波数。
(3)步中,所述光谱相对移动的总采样点数m优选为10~25。
(3)步为计算所述光谱某个光谱重叠段X的平均移动相关系数Rx,由移动窗口相关系数按式(1)计算:
式(1)中,ri为两个光谱在第i个移动窗口内的移动相关系数,t为两个光谱在光谱重叠段X内的移动窗口总数,i为移动窗口序号。所述的移动窗口宽度优选500~700个采样点,采样点间隔优选0.01~0.04cm-1。
计算Rx时,虽然每个光谱重叠段中,光谱EA和EB的波数范围可相同或不同,但波数相同,按采样点移动移动窗口产生的移动窗口数相同,因此,计算光谱EA和EB在光谱重叠段X内对应的移动窗口的相关系数即可得到该移动窗口的移动相关系数。如计算r1时,计算光谱EA和EB在第1个移动窗口的相关系数,计算r2时,计算光谱EA和EB在第2个移动窗口的移动相关系数,以此类推,直到计算光谱EA和EB在最后一个移动窗口的移动相关系数。
所述的移动窗口是选择一个波数宽度为w的光谱窗口,从需要计算移动相关系数的光谱段的第一个波数采样点开始移动,每次移动一至多个采样点,为窗口的移动距离,直至最后一个波数的采样点。移动窗口的移动方向可以是从波数小的采样点向波数大的采样点移动,也可以是从波数大的采样点向波数小的采样点移动。
对每个移动窗口,按传统的相关系数计算法由式(2)计算两个光谱的相关系数:
计算本发明平均移动相关系数Rx时,可将光谱EA视为第i个光谱,光谱EB视为第j个光谱。
根据Rq,由q值将EB转换成与仪器A测试所得光谱一致的光谱后,还需对其进行逆插值处理,优选用三次样条插值法进行逆插值处理,使光谱的采样间隔与仪器A测定光谱的采样间隔相同,得到该波段光谱EB转换成A仪器测定光谱的转换光谱FBn,FBn中的n表示分成的波段序号。
本发明(4)步为将不同波段所得的FBn按波数顺序首尾连接,得到完整的转换光谱FB。
本发明提供的识别原油种类的方法,包括如下步骤:
(1)用仪器A测定各种类型原油样品的近红外光谱并进行二阶微分处理,选取4628~4000cm-1和6076~5556cm-1谱区的吸光度建立原油近红外光谱数据库,
(2)用仪器B测定待识别原油样品的近红外光谱,按本发明所述的方法将其转换为与仪器A测试所得光谱一致的光谱,并进行二阶微分处理,选取4628~4000cm-1和6076~5556cm-1谱区的吸光度构成矢量x,
(3)计算矢量x与原油近红外光谱数据库每个样品在4628~4000cm-1和6076~5556cm-1谱区的每个移动窗口的移动相关系数,按式(Ⅰ)计算每个数据库样品的识别参数Qi,
式(Ⅰ)中,rji为移动相关系数,i为数据库中样品的序号,j为移动窗口的序号,n为移动窗口总数,s为数据库样品总数,
(4)计算阈值Qt,Qt=(d-w-0.15),其中d为近红外光谱的采样点数,w为移动窗口宽度,用采样点数表示;若所有的Qi值均不大于Qt,则数据库中没有与待识别原油相同的样品;若Qi>Qt,且i样品的每个移动相关系数均不小于0.9900,则待识别原油与数据库中的i样品相同。
在本发明所述的识别方法中,所述用仪器A采集原油样品近红外光谱吸光度的采样点间隔为2~16个波数,由近红外光谱仪的分辨率决定。
所述的移动相关系数采用移动窗口测定,所述的移动窗口的宽度优选3~25个采样点。每次移动移动窗口的距离优选为1~10个采样点。
有关原油近红外光谱数据库的库样品与待识别原油的移动相关系数rji的算法可参照CN200910169611.8。
下面通过实例进一步说明本发明,但本发明并不限于此。
实例中采集原油近红外光谱的仪器A为Thermo公司生产的傅里叶变换近红外光谱仪,型号为Antaris II,仪器B为ABB公司生产的傅里叶变换近红外光谱仪,型号为MB 3600,仪器A和仪器B的光谱采集条件均为:分辨率为8cm-1,采样间隔为4cm-1,波数范围4000~10000cm-1,累积扫描次数64次,透射测量方式。
实例1
用本发明方法将仪器B采集的原油光谱转换成与仪器A采集的光谱一致的光谱。
(1)在仪器A和仪器B上分别采集待测原油光谱
取1个中间基原油样品O1,用仪器A和仪器B分别采集其近红外光谱,得到光谱AO1和光谱BO1。
(2)对原油样品的近红外光谱AO1和BO1进行密化插值
对光谱AO1和光谱BO1,在4000~10000cm-1范围内按0.02cm-1的采样点间隔,用三次样条插值法进行密化插值,得到有300001个采样点的光谱,将插值后的光谱进行二阶微分处理,得到密化插值处理后的光谱EAO1和光谱EBO1。
(3)转换光谱
将光谱EAO1和光谱EBO1分别分成4个波段,每个波段所含的波数为1500cm-1,分别为:4000~5500cm-1波段、5500~7000cm-1波段、7000~8500cm-1波段、8500~10000cm-1波段,n=4。
首先计算4000~5500cm-1波段范围内的平均移动相关系数,先从光谱EAO1和光谱EBO1完全重叠的波段4000~5500cm-1开始,计算光谱EAO1与光谱EBO1在4000~5500cm-1范围之间的平均移动相关系数R0,所用移动窗口的宽度为600个采样点,波数范围为12cm-1,采样点间隔为0.02cm-1,第1个移动窗口的光谱范围为4000.0cm-1~4012.0cm-1,按式(2)计算第1个移动窗口EAO1和EBO1的相关系数,为r1,然后将移动窗口向波数大的方向移动一个采样点,得到光谱范围为4000.02cm-1~4012.02cm-1的第2个移动窗口,再按式(2)计算第2个移动窗口EAO1和EBO1的相关系数,记为r2,以此类推,直至光谱范围为5488.0cm-1~5500.0cm-1的第74401个移动窗口,该窗口的EAO1和EBO1的相关系数,记为r74401,该重叠段移动窗口数t为74401,由式(1)计算得到平均移动相关系数R0为0.9267。
保持光谱EBO1不动,将光谱EAO1右移一个采样点,即右移0.02cm-1,两光谱重叠段的光谱范围为:EAO1光谱范围4000.02~5500cm-1,EBO1光谱范围4000~5499.98cm-1,为第1个重叠段,EAO1的第1个移动窗口光谱范围为4000.02~4012.02cm-1,第2个移动窗口光谱范围为4000.04~4012.04cm-1,……最后1个移动窗口光谱范围为5488.0~5500cm-1,EBO1的第1个移动窗口光谱范围为4000~4012.0cm-1,第2个移动窗口光谱范围为4000.02~4012.02m-1,……最后1个移动窗口光谱范围为5487.98~5499.98cm-1,按计算R0的方法计算上述两光谱范围之间的平均移动相关系数R1,该重叠段移动窗口数t为74400。
再将光谱EAO1右移一个采样点,两光谱重叠段的光谱范围为:EAO1光谱范围4000.04~5500cm-1,EBO1光谱范围4000~5499.96cm-1,为第2个重叠段,EAO1的第1个移动窗口谱范围为4000.04~4012.04cm-1,第2个移动窗口谱范围为4000.06~4012.06cm-1,……,最后1个移动窗口谱范围为5488~5500cm-1,EBO1的第1个移动窗口谱范围为4000~4012.0cm-1,第2个移动窗口谱范围为4000.02~4012.02m-1,……最后1个移动窗口谱范围为5487.96~5499.96cm-1,按计算R0的方法计算上述两光谱范围之间的平均移动相关系数R2,该重叠段移动窗口数t为74399。
按上述方法,将光谱EAO1每次右移一个采样点,再计算两光谱重叠段的平均移动相关系数,直至移动到第15个采样点,m=15,两光谱重叠段的光谱范围为:EAO1光谱范围4000.3~5500cm-1,EBO1光谱范围4000~5499.7cm-1,为第15个重叠段,按计算R0的方法计算上述两光谱范围之间的平均移动相关系数R15,该重叠段移动窗口数t为74386。然后,保持光谱EAO1不动,将光谱EBO1按逐个采样点右移,计算R-1,R-2…R-15,得到的31个平均移动相关系数见表1。
按上述方法,对5500~7000cm-1波段、7000~8500cm-1波段、8500~10000cm-1波段,计算EAO1和光谱EBO1之间的31个平均移动相关系数。
对5500~7000cm-1波段,计算R0的两光谱重叠光谱波段为5500~7000cm-1,计算R1的两光谱重叠段的光谱范围为:EAO1光谱范围5500.02~7000cm-1,EBO1光谱范围5500~6999.98cm-1,计算R2的两光谱重叠段的光谱范围为:EAO1光谱范围5500.04~7000cm-1,EBO1光谱范围5500~6999.96cm-1,……,计算R15的两光谱重叠段的光谱范围为:EAO1光谱范围5500.3~7000cm-1,EBO1光谱范围5500~6999.7cm-1,得到的31个平均移动相关系数见表1。
对7000~8500波段,计算R0的两光谱重叠光谱波段为7000~8500cm-1,计算R1的两光谱重叠段的光谱范围为:EAO1光谱范围7000.02~8500cm-1,EBO1光谱范围7000~8499.98cm-1,计算R2的两光谱重叠段的光谱范围为:EAO1光谱范围7000.04~8500cm-1,EBO1光谱范围7000~8499.96cm-1,……,计算R15的两光谱重叠段的光谱范围为:EAO1光谱范围7000.3~8500cm-1,EBO1光谱范围7000~8499.7cm-1,得到的31个平均移动相关系数见表1。
对8500~10000波段,计算R0的两光谱重叠光谱波段为8500~10000cm-1,计算R1的两光谱重叠段的光谱范围为:EAO1光谱范围8500.02~10000cm-1,EBO1光谱范围8500~9999.98cm-1,计算R2的两光谱重叠段的光谱范围为:EAO1光谱范围8500.04~10000cm-1,EBO1光谱范围8500~9999.96cm-1,……,计算R15的两光谱重叠段的光谱范围为:EAO1光谱范围8500.3~10000cm-1,EBO1光谱范围8500~9999.7cm-1,得到的31个平均移动相关系数见表1。
对4000~5500cm-1波段,平均移动相关系数最大值为R-7,R-7=0.9938,q=-7,将光谱EBO1右移7个采样点,转换成与仪器A测试所得光谱一致的光谱。
对5500~7000cm-1波段,平均移动相关系数最大值为R-10,R-10=0.9928,q=-10,将光谱EBO1右移10个采样点,转换成与仪器A测试所得光谱一致的光谱。
对7000~8500波段,平均移动相关系数最大值为R-12,R-12=0.9914,q=-12,将光谱EBO1右移12个采样点,转换成与仪器A测试所得光谱一致的光谱。
对8500~10000波段,平均移动相关系数最大值为R-13,R-13=0.9922,q=-13,将光谱EBO1右移13个采样点,转换成与仪器A测试所得光谱一致的光谱。
将上述转换的各波段光谱,均按照4cm-1的采样间隔用三次样条插值法进行逆插值处理,得到有376个采样点的转换成A仪器测定光谱的转换后的光谱FBo11、FBo12、FBo13、FBo14。
将FBo11、FBo12、FBo13、FBo14按波数顺序首尾连接,得到将仪器B采集的光谱转换成与仪器A采集光谱一致的转换光谱FBo1。
表1
实例2
另取四个原油样品,为中间基原油O2,石蜡基原油O3、石蜡基原油O4、环烷基原油O5,分别用仪器A和仪器B采集其近红外光谱,得到光谱AO2、AO3、AO4和AO1,光谱BO2、BO3、BO4和BO5。将各原油样品分别按实例1的方法,将密化插值处理后的光谱EA和光谱EB,在四个波段将光谱EB右移所述的采样点,再进行三次样条插值法进行逆插值处理和首尾连接,得到与仪器A采集光谱一致的转换光谱FBO2、FBO3、FBO4、FBO5。
实例3
对待测原油样品进行识别。
(1)用仪器A测定的光谱建立原油光谱库
收集有代表性的原油样品802种,原油品种基本覆盖了世界主要原油产区。用仪器A测定这些原油的近红外光谱,并进行二阶微分,选取6076.0~5556.0cm-1与4628.0~4000.0cm-1光谱范围的吸光度,建立基于仪器A的原油近红外光谱数据库X,X的维数为802×289,其中802为收集原油的样品数,289为近红外光谱吸光度的采样点数。
(2)建立待识别原油的吸光度矢量
按照与建立光谱数据库相同的光谱采集条件测定未知原油A的近红外光谱,对其近红外光谱进行二阶微分,将6076.0~5556.0cm-1与4628.0~4000.0cm-1光谱范围的吸光度构成矢量xA,其维数为1×289。
(2)识别未知原油种类
对于光谱数据库矩阵X和光谱矢量xA,分别从4000.0cm-1处开始取对应的一段光谱区间作为移动窗口,移动窗口取10个采样间隔,每个采样点间隔为4cm-1,即移动宽度为11个采样点。第1个移动窗口的光谱范围为4000.0cm-1~4040cm-1,计算X中每一个光谱与光谱矢量xA在这一光谱范围内的吸光度之间的相关系数,记为r1,i,i=1,2,…,802。然后,移动一个取样间隔,即计算4004.0cm-1~4044cm-1光谱范围内,光谱数据库X中每一个光谱和光谱矢量xA之间的相关系数,记为r2,i,i=1,2,…,802。依次类推,直至计算到最后一个移动窗口6036.0~6076.0cm-1的相关系数,记为r279,i,i=1,2,…,802。
分别计算光谱矢量xA与X中每一个库光谱的识别参数Qi,其中i=1,2,…,802。阈值Qt=d-w-0.15=289-11-0.15=277.85。
识别未知原油样本种类时,如果所有的Qi都不大于阈值Qt,说明库中不含未知原油样本的种类。若Qi>Qt,且i样品的每个移动相关系数均不小于0.9900,则待识别原油与数据库中的i样品相同。
取用仪器A采集的五个原油样品的近红外光谱,按上述方法求得每个样品的吸光度矢量xAO1、xAO2、xAO3、xAO4、xAO5,再进行识别,结果见表2。
取用仪器B采集的五个原油样品的近红外光谱,按上述方法求得每个样品的吸光度矢量xBO1、xBO2、xBO3、xBO4、xBO5,再进行识别,结果见表2。
取用仪器B采集的五个原油样品的近红外光谱,经实例1和实例2转换的光谱FBO1、FBO2、FBO3、FBO4、FBO5,按上述方法求得每个样品的吸光度矢量xFBO1、xFBO2、xFBO3、xFBO4、xFBO5,再进行识别,结果见表2。
由表2列出的识别结果可知,对于用仪器A采集的光谱,由光谱矢量xAO1、xAO2、xAO3、xAO4、xAO5,都可从原油近红外光谱识别库X中找到与其一致的原油样品,五种原油均可识别。
用仪器B采集这五个原油样品的光谱,由光谱矢量xBO1、xBO2、xBO3、xBO4、xBO5,无法在原油近红外光谱识别库X中找到与其一致的原油样品,识别失败,说明仪器B与仪器A存在光谱差异,这种差异是导致光谱识别失败的原因。
将仪器B采集的原油样品光谱经本发明方法转换成与仪器A采集的光谱一致的光谱后,由其光谱矢量xFBO1、xFBO2、xFBO3、xFBO4、xFBO5,可得到与仪器A采集的光谱相一致的识别结果,说明本发明方法有效消除了仪器之间存在的光谱差异。
表2
Claims (14)
1.一种不同型号仪器测定的原油近红外光谱转换方法,包括如下步骤:
(1)取一个原油样品,在同样的光谱采集条件下,分别用仪器A和仪器B测定其近红外光谱,得到原油样品的近红外光谱A和近红外光谱B,
(2)对原油样品的近红外光谱A和B进行密化插值,并对密化插值后的光谱进行二阶微分处理,得到密化插值处理后的光谱EA和EB,
(3)将EA和EB按光谱波数范围分成n个不同的波段,对每个波段,设v为光谱移动的采样点数,先使光谱EA和EB在此波段的光谱完全重叠,v=0,再相对光谱EB,将光谱EA按逐个采样点右移,直至将光谱EA右移m个采样点,v=m,再相对光谱EA,将光谱EB按逐个采样点右移,直至将光谱EB右移m个采样点,v=-m,计算每次移动光谱后产生的光谱EA和EB重叠段的平均移动相关系数Rx,共计有(2m+1)个平均移动相关系数,取其中的最大值Rq对应的采样点数q为光谱移动的采样点数,若q=0,则不移动任何光谱,若q>0,将光谱EB左移q个采样点,若q<0,将光谱EB右移q个采样点,转换成与仪器A测试所得光谱一致的光谱,再按A仪器测定光谱的采样间隔进行逆插值处理,得到与A仪器测定光谱吸光度采样点数相同的转换光谱FBn,
(4)将n个不同波段的转换光谱FBn,按波数顺序首尾连接,得到将仪器B采集的光谱转换成与仪器A采集光谱一致的转换光谱FB。
2.按照权利要求1所述的方法,其特征在于(1)步中仪器A和仪器B为不同型号的傅里叶变换近红外光谱仪,采集光谱的波数范围为4000~10000cm-1。
3.按照权利要求1所述的方法,其特征在于(2)步采用三次样条插值法对光谱A和B进行密化插值,密化插值设定的采样点间隔为0.01~0.04cm-1。
4.按照权利要求1所述的方法,其特征在于(2)步将密化插值后的光谱EA和EB分成3~5个不同的波段,每个波段所含的波数为1200~1600cm-1。
5.按照权利要求1或2所述的方法,其特征在于(2)步将密化插值后的光谱EA和EB分成4000~5500cm-1波段、5500~7000cm-1波段、7000~8500cm-1波段和8500~10000cm-1波段。
6.按照权利要求1所述的方法,其特征在于(3)步所述的m为10~25。
7.按照权利要求1所述的方法,其特征在于(3)步所述的逆插值处理为三次样条插值法。
9.按照权利要求8所述的方法,其特征在于移动窗口宽度为500~700个采样点,采样点间隔为0.01~0.04cm-1。
10.一种识别原油种类的方法,包括如下步骤:
(1)用仪器A测定各种类型原油样品的近红外光谱并进行二阶微分处理,选取4628~4000cm-1和6076~5556cm-1谱区的吸光度建立原油近红外光谱数据库,
(2)用仪器B测定待识别原油样品的近红外光谱,按权利要求1的方法将其转换为与仪器A测试所得光谱一致的光谱,并进行二阶微分处理,选取4628~4000cm-1和6076~5556cm-1谱区的吸光度构成矢量x,
(3)计算矢量x与原油近红外光谱数据库每个样品在4628~4000cm-1和6076~5556cm-1谱区的每个移动窗口的移动相关系数,按式(Ⅰ)计算每个数据库样品的识别参数Qi,
式(Ⅰ)中,rji为移动相关系数,i为数据库中样品的序号,j为移动窗口的序号,n为移动窗口总数,s为数据库样品总数,
(4)计算阈值Qt,Qt=(d-w-0.15),其中d为近红外光谱的采样点数,w为移动窗口宽度;若所有的Qi值均不大于Qt,则数据库中没有与待识别原油相同的样品;若Qi>Qt,且i样品的每个移动相关系数均不小于0.9900,则待识别原油与数据库中的i样品相同。
11.按照权利要求10所述的方法,其特征在于所述的近红外光谱吸光度的采样点间隔为2~16个波数。
12.按照权利要求10所述的方法,其特征在于所述的移动相关系数采用移动窗口测定。
13.按照权利要求10或12所述的方法,其特征在于所述的窗口宽度为3~25个采样点。
14.按照权利要求10所述的方法,其特征在于每次移动移动窗口的距离为1~10个采样点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811219792.6A CN111077102B (zh) | 2018-10-19 | 2018-10-19 | 不同型号仪器测定的原油近红外光谱转换及原油识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811219792.6A CN111077102B (zh) | 2018-10-19 | 2018-10-19 | 不同型号仪器测定的原油近红外光谱转换及原油识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111077102A true CN111077102A (zh) | 2020-04-28 |
CN111077102B CN111077102B (zh) | 2022-06-24 |
Family
ID=70309064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811219792.6A Active CN111077102B (zh) | 2018-10-19 | 2018-10-19 | 不同型号仪器测定的原油近红外光谱转换及原油识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111077102B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114018856A (zh) * | 2020-07-17 | 2022-02-08 | 中国石油化工股份有限公司 | 光谱校正方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB710867A (en) * | 1951-04-06 | 1954-06-23 | Edgar Frank Daly | Improvements in or relating to methods and means for testing a translucent fluid substance |
US5545895A (en) * | 1995-03-20 | 1996-08-13 | The Dow Chemical Company | Method of standardizing data obtained through mass spectrometry |
US6441388B1 (en) * | 1998-10-13 | 2002-08-27 | Rio Grande Medical Technologies, Inc. | Methods and apparatus for spectroscopic calibration model transfer |
CN101413884A (zh) * | 2008-11-21 | 2009-04-22 | 聚光科技(杭州)有限公司 | 近红外光谱分析仪及其分辨率的校正方法 |
CN101718720A (zh) * | 2009-11-10 | 2010-06-02 | 天津出入境检验检疫局化矿金属材料检测中心 | 应用x射线荧光光谱法检测碳化硅杂质含量的方法 |
CN101995389A (zh) * | 2009-08-27 | 2011-03-30 | 中国石油化工股份有限公司 | 一种由近红外光谱快速识别原油种类的方法 |
CN105424641A (zh) * | 2014-09-04 | 2016-03-23 | 中国石油化工股份有限公司 | 一种原油种类的近红外光谱识别方法 |
CN105628645A (zh) * | 2015-12-28 | 2016-06-01 | 贵州中烟工业有限责任公司 | 一种近红外分析模型的转移方法 |
CN105738317A (zh) * | 2016-02-16 | 2016-07-06 | 广州纤维产品检测研究院 | 纺织品近红外模型转移方法 |
CN105954202A (zh) * | 2016-04-22 | 2016-09-21 | 浙江大学 | 一种柑橘溃疡病高光谱模型传递的方法 |
CN107646089A (zh) * | 2015-03-06 | 2018-01-30 | 英国质谱公司 | 光谱分析 |
CN108548794A (zh) * | 2018-04-16 | 2018-09-18 | 山东大学 | 一种生物制品近红外模型转移方法 |
-
2018
- 2018-10-19 CN CN201811219792.6A patent/CN111077102B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB710867A (en) * | 1951-04-06 | 1954-06-23 | Edgar Frank Daly | Improvements in or relating to methods and means for testing a translucent fluid substance |
US5545895A (en) * | 1995-03-20 | 1996-08-13 | The Dow Chemical Company | Method of standardizing data obtained through mass spectrometry |
US6441388B1 (en) * | 1998-10-13 | 2002-08-27 | Rio Grande Medical Technologies, Inc. | Methods and apparatus for spectroscopic calibration model transfer |
CN101413884A (zh) * | 2008-11-21 | 2009-04-22 | 聚光科技(杭州)有限公司 | 近红外光谱分析仪及其分辨率的校正方法 |
CN101995389A (zh) * | 2009-08-27 | 2011-03-30 | 中国石油化工股份有限公司 | 一种由近红外光谱快速识别原油种类的方法 |
CN101718720A (zh) * | 2009-11-10 | 2010-06-02 | 天津出入境检验检疫局化矿金属材料检测中心 | 应用x射线荧光光谱法检测碳化硅杂质含量的方法 |
CN105424641A (zh) * | 2014-09-04 | 2016-03-23 | 中国石油化工股份有限公司 | 一种原油种类的近红外光谱识别方法 |
CN107646089A (zh) * | 2015-03-06 | 2018-01-30 | 英国质谱公司 | 光谱分析 |
CN105628645A (zh) * | 2015-12-28 | 2016-06-01 | 贵州中烟工业有限责任公司 | 一种近红外分析模型的转移方法 |
CN105738317A (zh) * | 2016-02-16 | 2016-07-06 | 广州纤维产品检测研究院 | 纺织品近红外模型转移方法 |
CN105954202A (zh) * | 2016-04-22 | 2016-09-21 | 浙江大学 | 一种柑橘溃疡病高光谱模型传递的方法 |
CN108548794A (zh) * | 2018-04-16 | 2018-09-18 | 山东大学 | 一种生物制品近红外模型转移方法 |
Non-Patent Citations (2)
Title |
---|
ROMAN V. KRUZELECKY ET AL.: "Miniature High-Performance Infrared Spectrometer for Space Applications", 《INTERNATIONAL CONFERENCE ON SPACE OPTICS》 * |
赵龙莲 等: "基于SVR 的傅里叶变换型近红外光谱仪间数学模型传递的研究", 《光谱学与光谱分析》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114018856A (zh) * | 2020-07-17 | 2022-02-08 | 中国石油化工股份有限公司 | 光谱校正方法 |
CN114018856B (zh) * | 2020-07-17 | 2024-06-11 | 中国石油化工股份有限公司 | 光谱校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111077102B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105424641B (zh) | 一种原油种类的近红外光谱识别方法 | |
CN109444066B (zh) | 基于光谱数据的模型转移方法 | |
CN111504979B (zh) | 利用已知混合物拉曼光谱改善混合物成分识别精度的方法 | |
CN107817223A (zh) | 快速无损实时预测原油性质模型的构建方法及其应用 | |
US10541119B2 (en) | Method for identifying microorganisms by mass spectrometry | |
CN109409350B (zh) | 一种基于pca建模反馈式载荷加权的波长选择方法 | |
CN111077102B (zh) | 不同型号仪器测定的原油近红外光谱转换及原油识别方法 | |
CN104020135A (zh) | 基于近红外光谱的校正模型建模方法 | |
CN107966420B (zh) | 一种由近红外光谱预测原油性质的方法 | |
CN109724698A (zh) | 一种宽波段光谱仪光谱信号实时定标方法 | |
CN112557332A (zh) | 一种基于光谱分峰拟合的光谱分段和光谱比对方法 | |
CN107528646B (zh) | 一种基于宽带频谱的干扰信号识别及提取方法 | |
CN107341807A (zh) | 一种提取烟叶颜色数字化表达特征值的方法 | |
CN104572910A (zh) | 一种基于向量模型的气相色谱质谱谱图检索方法 | |
CN116432051A (zh) | 一种近红外光谱数据微弱差异信号的评价方法 | |
CN114018856B (zh) | 光谱校正方法 | |
Beitollahi et al. | Using savitsky-golay smoothing filter in hyperspectral data compression by curve fitting | |
CN117194902A (zh) | 一种光谱测量过程中噪声数据滤除方法 | |
CN107976416B (zh) | 一种由红外光谱预测原油性质的方法 | |
JP2019190927A (ja) | 解析システム、撮像装置、および、プログラム | |
CN102880861A (zh) | 基于线性预测倒谱系数的高光谱图像分类方法 | |
WO2023123329A1 (zh) | 近红外光谱的净信号提取方法及其系统 | |
CN114998708A (zh) | 一种基于图谱信号的茶叶种类识别方法和装置 | |
CN109272561B (zh) | 基于空谱联合多假设预测的高光谱图像压缩感知重构方法 | |
CN114264626A (zh) | 一种基于时间序列残差网络的织物无损定量分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |