CN112326594A - 一种快速检测c5油品中硫含量的定量模型的建立方法 - Google Patents
一种快速检测c5油品中硫含量的定量模型的建立方法 Download PDFInfo
- Publication number
- CN112326594A CN112326594A CN202011161786.7A CN202011161786A CN112326594A CN 112326594 A CN112326594 A CN 112326594A CN 202011161786 A CN202011161786 A CN 202011161786A CN 112326594 A CN112326594 A CN 112326594A
- Authority
- CN
- China
- Prior art keywords
- sulfur content
- model
- establishing
- oil product
- quantitative 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.)
- Pending
Links
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 title claims abstract description 88
- 229910052717 sulfur Inorganic materials 0.000 title claims abstract description 88
- 239000011593 sulfur Substances 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000001228 spectrum Methods 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000010238 partial least squares regression Methods 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims abstract description 5
- 230000003595 spectral effect Effects 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000002835 absorbance Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 239000003921 oil Substances 0.000 description 36
- 238000004497 NIR spectroscopy Methods 0.000 description 9
- 239000010779 crude oil Substances 0.000 description 9
- 238000004445 quantitative analysis Methods 0.000 description 9
- 239000003208 petroleum Substances 0.000 description 7
- 239000011347 resin Substances 0.000 description 7
- 229920005989 resin Polymers 0.000 description 7
- 238000002329 infrared spectrum Methods 0.000 description 6
- 238000002347 injection Methods 0.000 description 6
- 239000007924 injection Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000002795 fluorescence method Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- PMJHHCWVYXUKFD-SNAWJCMRSA-N (E)-1,3-pentadiene Chemical group C\C=C\C=C PMJHHCWVYXUKFD-SNAWJCMRSA-N 0.000 description 2
- 239000003054 catalyst Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000003869 coulometry Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- PMJHHCWVYXUKFD-UHFFFAOYSA-N piperylene Natural products CC=CC=C PMJHHCWVYXUKFD-UHFFFAOYSA-N 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010561 standard procedure Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 1
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000009841 combustion method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
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
本发明公开了一种快速检测C5油品中硫含量的定量模型的建立方法,属于石油化工技术领域。本发明具体步骤为:首先收集不同种类及不同硫含量的C5油品作为标准样品,采用近红外光谱仪,选择智能透射附件对标准样品进行光谱扫描,得到标准样品光谱图;然后结合硫含量和光谱特征,选择偏最小二乘回归法作为模型算法,确定波长范围,建立C5油品硫含量检测的定量模型;采用已知硫含量的C5油品对上述模型进行验证和优化。采用上述模型能够对待检测C5油品的硫含量进行直接、快速地检测,缩短了检测时间,检测方法简单且保证了准确性,其检测精确度可达0.1‑0.5%,能够满足不同C5油品的硫含量检测需求。
Description
技术领域
本发明属于石油化工技术领域,更具体地说,涉及一种快速检测C5油品中硫含量的定量模型的建立方法。
背景技术
在石油化工生产及其产品使用过程中,硫是造成金属设备腐蚀、发动机磨损和催化剂中毒的主要危害源之一,燃气机及锅炉排放气中的SO2又是造成大气中硫含量过高的主要污染源。在C5石油树脂生产工艺中,硫化物是可能引起C5石油树脂颜色深和受热产生臭味的主要原因,并且硫含量较高容易导致C5石油树脂催化剂在反应过程中快速失活,直接影响C5石油树脂聚合反应的效果,C5油品是C5石油树脂合成的主要原料,因此,C5油品中硫含量检测结果的准确性至关重要。
目前比较成熟的测定C5油品中的硫含量的方法有紫外荧光法和库伦法,紫外荧光法分为液体进样和固体进样两种,固体进样影响因素比较多,其重复性和再现性较差,液体进样方法将固体进样转变为液体进样,需要寻找合适的溶剂,过程繁琐且不易操作,检测的数据准确性很差;库伦法检测C5油品中硫含量,需要选择已知的硫标样,通过标样来标定仪器,此方法检测时间长且仪器易损耗,库伦法是通过充分燃烧的方法来检测,此法会使得操作环境试剂挥发较大。因此,研究出一种适用于C5油品中硫含量快速检测方法对工厂样品量大、连续化作业具有重大意义。
经检索,中国专利号ZL2011103646229,发明创造名称为:由透射红外光谱预测原油硫含量的方法,授权公告日为2016年8月24日,该申请案包括如下步骤:(1)收集各种原油样品,用标准方法测量原油样品的硫含量,(2)用透射方式测定各个原油样品的红外光谱,进行一阶或二阶微分处理,取750~1315cm-1和2479~2780cm-1特征谱区的吸光度,与用标准方法测得的原油样品的硫含量采用偏最小二乘法建立校正模型,(3)按测定原油样品同样的方法测定待测原油样品的红外光谱,进行一阶或二阶微分处理,将750~1315cm-1和2479~2780cm-1特征谱区的吸光度代入校正模型,得到待测原油样品的硫含量。该方法分析速度快,测试准确度高、重复性好,但该申请案主要是用于对原油中的硫含量进行检测,由于待检测样品的种类、组成及特性均与C5石油树脂不同,其硫元素的存在形态也就不同,因此上述方法并不能很好地用于C5石油树脂中的硫含量检测。
发明内容
1.发明要解决的技术问题
为了克服现有C5油品硫含量检测方法耗时长、仪器易损耗的缺点,本发明提供了一种快速检测C5油品中硫含量的定量模型的建立方法,利用本发明的定量模型能够对石油化工中C5油品中硫含量进行快速检测,满足不同种类的C5油品中硫含量的检测需求,保证了各领域中石油产品的使用性能。
2.技术方案
为达到上述目的,本发明提供的技术方案为:
本发明的一种快速检测C5油品中硫含量的定量模型的建立方法,首先选择不同种类、不同硫含量的C5油品标准样品,使用近红外光谱仪对各个标准样品进行扫描,得到标准样品光谱图;然后结合硫含量和光谱特征,使用偏最小二乘回归法作为模型算法,建立硫含量检测的定量模型;最后采用已知硫含量的C5油品对上述模型进行验证和优化。
更进一步的,其具体步骤为:
步骤一、标准样品的制备及光谱采集
选择C5油品,采用库伦仪检测C5油品的硫含量,将其作为标准样品的硫含量数据并留样保存;采用近红外光谱仪的智能透射附件对各标准样品进行扫描,得到标准样品光谱图;
步骤二、硫含量检测模型的建立
确定模型波长范围,选择偏最小二乘回归法作为模型算法,建立硫含量检测的定量模型;
步骤三、模型的验证与优化
采用已建立的模型对已知硫含量的C5油品进行检测,对该C5油品的检测值和真实值进行比较,判断模型的准确性及精确性,不断补充精确数据和模型参数,实现模型优化。
更进一步的,所述步骤一中标准样品光谱采集与库伦仪检测同时进行,且置于密闭环境中进行。
更进一步的,所述步骤一中使用近红外光谱仪对标准样品进行光谱扫描时,波长范围为10000~4000cm-1,数据格式选择吸光率,预采集延迟(秒):10,衰减器A Screen,扫描分辨率:8cm-1,增益:4.0,进行64次连续扫描取平均光谱,得到样品谱图。
更进一步的,所述步骤二中使用单变量法确定模型的特征光谱波长范围为9000~8000cm-1和5200~4500cm-1。
更进一步的,步骤三中定量模型的性能通过检测值与真实值之间的绝对误差来验证,其绝对误差不超过0.2,且采用性能指标均方差、相关系数和相对残差和对所建模型进行考察。
更进一步的,进行验证优化之前,对问题样品进行辨别和处理(SpectrumOutlier):根据光谱的分布差异计算马氏距离的方法,确认问题样品,问题样品不参与验证优化。
3.有益效果
采用本发明提供的技术方案,与已有的公知技术相比,具有如下显著效果:
(1)本发明的一种快速检测C5油品中硫含量的定量模型的建立方法,采用近红外光谱仪,对油品进行扫描得到相应的光谱图,选择偏最小二乘回归法作为模型算法,并为该定量模型选用合适的波谱长度,建立起硫含量检测的定量模型;相较于传统的测硫方法,提供了一种硫含量检测的新思路;采用该模型可以对不同应用领域石油化工C5油品中硫含量直接进行快速检测,且检测精度高,缩短了检测时间。
(2)本发明的一种快速检测C5油品中硫含量的定量模型的建立方法,将标准样品光谱采集与库伦仪检测两种工作同时进行,且置于密闭环境中进行操作,减少C5油品挥发对数据的影响,有利于保证模型的正常建立及其检测精度。
(3)本发明的一种快速检测C5油品中硫含量的定量模型的建立方法,通过大量实验对模型特征光谱波长范围进行不断优化,从而确定得到最终的波长范围:9000~8000cm-1和5200~4500cm-1,进而能够使最终确定的定量模型更准确;若波长范围选择不恰当,则会导致模型的准确度偏离的越来越大;标准样品的实际值与使用模型获得的检测值偏差大,此定量模型无法准确建立。
(4)本发明的一种快速检测C5油品中硫含量的定量模型的建立方法,当所选波长范围不同时,对应的光谱处理方法则不同,本发明通过对所得光谱进行特定处理,从而有利于进一步保证该模型检测的准确性;另外,通过实验研究,对模型参数不断优化,从而保证模型的成功建立;且对模型进行数据筛查,从而可以保证达到最佳的相对残差和(%Difference)、相关系数(R)、均方差(RMSEC),提高了模型准确性,并保证其对待测物中硫含量进行检测的精度。
(5)本发明的一种快速检测C5油品中硫含量的定量模型的建立方法,还对问题样品进行了筛查,由于对标准样品进行检测时,需要将样品加入特制的核磁管中,操作过程的人为因素可能会影响样品扫描后的光谱,为了判别该光谱是否有问题,本发明根据光谱的分布差异计算马氏距离,筛选出问题样品,然后再进行模型的验证优化,进一步保证了模型建立的准确性。
附图说明
图1为实施例1中NIR光谱分析中定量分析模型的结果图一;
图2为实施例1中NIR光谱分析中定量分析模型的结果图二;
图3为实施例2中NIR光谱分析中定量分析模型的结果图一;
图4为实施例2中NIR光谱分析中定量分析模型的结果图二;
图5为实施例3中NIR光谱分析中定量分析模型的结果图一;
图6为实施例3中NIR光谱分析中定量分析模型的结果图二。
具体实施方式
本发明的一种快速检测C5油品中硫含量的定量模型的建立方法,首先选择不同种类、不同硫含量的C5油品标准样品,使用近红外光谱仪的投射附件对各个标准样品进行扫描,得到标准样品光谱图;然后结合硫含量和光谱特征,使用偏最小二乘回归法作为模型算法,并确定合适的特征光谱波长范围,并对该波长范围的光谱进行处理,最终建立硫含量检测的定量模型;最后采用已知硫含量的C5油品对上述模型进行验证和优化。
相较于传统的紫外荧光法和库伦法,本发明将待测C5油品扫描的光谱图代入定量模型即可得到相应的硫含量,缩短了检测时间;另外,本发明采用近红外光谱建立定量模型,为硫含量的检测提供了新方法,且该检测方法准确性较高。需要说明的是,本发明中特征光谱波长范围的选择至关重要,其对于能否实现硫含量的检测以及保证检测精度具有重要影响。本发明首先根据光谱图中特征峰的规律选定基础波长范围,再通过大量实验对基础波长范围不断进行优化,从而确定得到最优波长范围为:9000~8000cm-1和5200~4500cm-1。此外,后续光谱的处理过程对于保证检测精度也具有重要影响,而当所选特征光谱的波长范围不同时,对应的光谱处理过程则不同,本发明通过对后续光谱的处理过程进行优化,从而有利于进一步保证了该检测模型的准确性。基于该定量模型,本发明还进行了优化,通过多次实验不断优化模型内部参数,并使用交叉验证、马氏验证得到最优参数,实现准确检测C5油品硫含量的功能。
C5油品标准样品有裂解C5原料、间戊二烯、轻C5等,其中:裂解C5原料硫含量控制范围为0~50ppm,间戊二烯硫含量控制范围为5~50ppm,轻C5硫含量控制范围为0~50ppm,为进一步了解本发明的内容,下面通过几个实施例对不同硫含量的C5油品进行检测,验证定量模型的准确性。
实施例1
本实施例的一种快速检测C5油品中硫含量的定量模型的建立方法,具体如下步骤:收集C5原料标准样品,利用库伦仪检测出硫含量,其硫含量范围为0~50ppm;扫描光谱,将标准样品放入核磁管中并加盖密封,防止样品挥发;按照近红外光谱建模过程,建立样品采集工作流,选择偏最小二乘回归(PLS)法,选择合适的波长范围:9000~8000cm-1和5200~4500cm-1对模型的计算,验证及修正;定量模型建立好之后,需要对其性能进行评估,NIR光谱分析中,定量分析模型的结果通常用图1和图2表示:
图1中常用的考察指标:
均方差(RMSEC):越接近于0越好;相关系数(R):越接近于1越好。
图2中常用的考察指标:
相对残差和(%Difference):越接近于100越好。
根据图1和图2,本实施例中均方差(RMSEC)是0.410;相关系数(R)是0.9950;相对残差和(%Difference)为99.0。
本实例通过定量模型获得的C5油品硫含量检测值、相应标准样品的硫含量实际值以及二者的绝对误差如下表:
Index | Actual | Calculated | Diff.x path(%) |
1 | 5.00 | 5.02 | 0.02 |
2 | 6.00 | 5.99 | -0.01 |
3 | 6.00 | 6.02 | 0.02 |
4 | 8.00 | 7.95 | -0.05 |
5 | 8.00 | 7.91 | -0.09 |
6 | 9.00 | 8.93 | -0.07 |
7 | 9.00 | 8.95 | -0.05 |
8 | 17.00 | 16.94 | -0.06 |
通过该表可以看出,通过定量模型获得的检测值与实际值之间的绝对误差不超过0.2。
实施例2
本实施例的一种快速检测C5油品中硫含量的定量模型的建立方法,具体如下步骤:收集间戊二烯标准样品,利用库伦仪检测出硫含量,其硫含量范围为5~50ppm;扫描光谱,将标准样品放入核磁管中并加盖密封,防止样品挥发;按照近红外光谱建模过程,建立样品采集工作流,选择偏最小二乘回归(PLS)法,选择合适的波长范围:9000~8000cm-1和5200~4500cm-1对模型的计算,验证及修正;定量模型建立好之后,需要对其性能进行评估,NIR光谱分析中,定量分析模型的结果通常用图3和图4表示:
图3中常用的考察指标:
均方差(RMSEC):越接近于0越好;相关系数(R):越接近于1越好。
图4中常用的考察指标:
相对残差和(%Difference):越接近于100越好。
根据图3和图4,均方差(RMSEC)是0.103;相关系数(R)是0.9990;相对残差和(%Difference)为99.1。
通过下表可以看出,通过定量模型获得的检测值与实际值之间的绝对误差基本不超过0.2。
Index | Actual | Calculated | Diff.x path(%) |
1 | 25.00 | 25.02 | 0.02 |
2 | 25.00 | 25.07 | 0.07 |
3 | 27.00 | 26.91 | -0.09 |
4 | 28.00 | 28.03 | 0.03 |
5 | 29.00 | 29.01 | 0.01 |
6 | 31.00 | 31.04 | 0.04 |
7 | 32.00 | 31.97 | -0.03 |
8 | 33.00 | 32.93 | -0.07 |
实施例3
本实施例的一种快速检测C5油品中硫含量的定量模型的建立方法,具体如下步骤:收集轻C5标准样品,利用库伦仪检测出硫含量,其硫含量范围为0~50ppm;扫描光谱,将标准样品放入核磁管中并加盖密封,防止样品挥发;按照近红外光谱建模过程,建立样品采集工作流,选择偏最小二乘回归(PLS)法,选择合适的波长范围:9000~8000cm-1和5200~4500cm-1对模型的计算,验证及修正;定量模型建立好之后,需要对其性能进行评估,NIR光谱分析中,定量分析模型的结果通常用图5和图6表示:
图5中常用的考察指标:
均方差(RMSEC):越接近于0越好;相关系数(R):越接近于1越好。
图6中常用的考察指标:
相对残差和(%Difference):越接近于100越好。
根据图5和图6,均方差(RMSEC)是0.446;相关系数(R)是0.9990,;相对残差和(%Difference)为96.3。
Index | Actual | Calculated | Diff.x path(%) |
1 | 6.00 | 6.05 | 0.05 |
2 | 32.00 | 32.30 | 0.3 |
3 | 35.00 | 35.18 | 0.18 |
4 | 35.00 | 34.89 | -0.11 |
5 | 38.00 | 38.17 | 0.17 |
6 | 41.00 | 40.99 | -0.01 |
7 | 41.00 | 41.27 | 0.27 |
通过该表可以看出,通过定量模型获得的检测值与实际值之间的绝对误差基本不超过0.2。
以上示意性的对本发明及其实施方式进行了描述,该描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。所以,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (7)
1.一种快速检测C5油品中硫含量的定量模型的建立方法,其特征在于:首先选择不同种类、不同硫含量的C5油品标准样品,使用近红外光谱仪对各个标准样品进行扫描,得到标准样品光谱图;然后结合硫含量和光谱特征,使用偏最小二乘回归法作为模型算法,建立硫含量检测的定量模型;最后采用已知硫含量的C5油品对上述模型进行验证和优化。
2.根据权利要求1所述的一种快速检测C5油品中硫含量的定量模型的建立方法,其特征在于,其具体步骤为:
步骤一、标准样品的制备及光谱采集
选择C5油品,采用库伦仪检测C5油品的硫含量,将其作为标准样品的硫含量数据并留样保存;采用近红外光谱仪的智能透射附件对各标准样品进行扫描,得到标准样品光谱图;
步骤二、硫含量检测模型的建立
确定模型波长范围,选择偏最小二乘回归法作为模型算法,建立硫含量检测的定量模型;
步骤三、模型的验证与优化
采用已建立的模型对已知硫含量的C5油品进行检测,对该C5油品的检测值和真实值进行比较,判断模型的准确性及精确性,不断补充精确数据和模型参数,实现模型优化。
3.根据权利要求2所述的一种快速检测C5油品中硫含量的定量模型的建立方法,其特征在于:所述步骤一中标准样品光谱采集与库伦仪检测同时进行,且置于密闭环境中进行。
4.根据权利要求3所述的一种快速检测C5油品中硫含量的定量模型的建立方法,其特征在于:所述步骤一中使用近红外光谱仪对标准样品进行光谱扫描时,波长范围为10000~4000cm-1,数据格式选择吸光率,预采集延迟(秒):10,衰减器A Screen,扫描分辨率:8cm-1,增益:4.0,进行64次连续扫描取平均光谱,得到样品谱图。
5.根据权利要求4所述的一种快速检测C5油品中硫含量的定量模型的建立方法,其特征在于:所述步骤二中使用单变量法确定模型的特征光谱波长范围为9000~8000cm-1和5200~4500cm-1。
6.根据权利要求5所述的一种快速检测C5油品中硫含量的定量模型的建立方法,其特征在于:步骤三中定量模型的性能通过检测值与真实值之间的绝对误差来验证,其绝对误差不超过0.2,且采用性能指标均方差、相关系数和相对残差和对所建模型进行考察。
7.根据权利要求6所述的一种快速检测C5油品中硫含量的定量模型的建立方法,其特征在于:进行验证优化之前,对问题样品进行辨别和处理:根据光谱的分布差异计算马氏距离的方法,确认问题样品,问题样品不参与验证优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011161786.7A CN112326594A (zh) | 2020-10-27 | 2020-10-27 | 一种快速检测c5油品中硫含量的定量模型的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011161786.7A CN112326594A (zh) | 2020-10-27 | 2020-10-27 | 一种快速检测c5油品中硫含量的定量模型的建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112326594A true CN112326594A (zh) | 2021-02-05 |
Family
ID=74311109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011161786.7A Pending CN112326594A (zh) | 2020-10-27 | 2020-10-27 | 一种快速检测c5油品中硫含量的定量模型的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112326594A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080253426A1 (en) * | 2004-09-17 | 2008-10-16 | Joachim Voelkening | Method of Assaying a Hydrocarbon-Containing Feedstock |
CN102954946A (zh) * | 2011-08-30 | 2013-03-06 | 中国石油化工股份有限公司 | 由红外光谱测定原油硫含量的方法 |
CN103115889A (zh) * | 2011-11-17 | 2013-05-22 | 中国石油化工股份有限公司 | 由透射红外光谱预测原油硫含量的方法 |
CN107655848A (zh) * | 2017-09-29 | 2018-02-02 | 安徽同心化工有限公司 | 一种石油树脂中抗氧剂含量的检测方法及其检测模型的建立方法 |
CN107817223A (zh) * | 2017-10-20 | 2018-03-20 | 华东理工大学 | 快速无损实时预测原油性质模型的构建方法及其应用 |
CN109324012A (zh) * | 2018-09-14 | 2019-02-12 | 中国海洋石油集团有限公司 | 一种用于原油中轻烃组分定量分析的方法 |
-
2020
- 2020-10-27 CN CN202011161786.7A patent/CN112326594A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080253426A1 (en) * | 2004-09-17 | 2008-10-16 | Joachim Voelkening | Method of Assaying a Hydrocarbon-Containing Feedstock |
CN102954946A (zh) * | 2011-08-30 | 2013-03-06 | 中国石油化工股份有限公司 | 由红外光谱测定原油硫含量的方法 |
CN103115889A (zh) * | 2011-11-17 | 2013-05-22 | 中国石油化工股份有限公司 | 由透射红外光谱预测原油硫含量的方法 |
CN107655848A (zh) * | 2017-09-29 | 2018-02-02 | 安徽同心化工有限公司 | 一种石油树脂中抗氧剂含量的检测方法及其检测模型的建立方法 |
CN107817223A (zh) * | 2017-10-20 | 2018-03-20 | 华东理工大学 | 快速无损实时预测原油性质模型的构建方法及其应用 |
CN109324012A (zh) * | 2018-09-14 | 2019-02-12 | 中国海洋石油集团有限公司 | 一种用于原油中轻烃组分定量分析的方法 |
Non-Patent Citations (2)
Title |
---|
程欲晓等: "近红外光谱分析原油中水分和硫含量模型的建立及验证", 《理化检验(化学分册)》 * |
陆婉珍等, 北京:中国石化出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107703097B (zh) | 利用近红外光谱仪构建快速预测原油性质的模型的方法 | |
CN113340874B (zh) | 一种基于结合岭回归和递归特征消除的定量分析方法 | |
WO2020248961A1 (zh) | 一种无参考值的光谱波数选择方法 | |
CN112782146A (zh) | 一种基于拉曼光谱的汽油烯烃含量分析方法 | |
CN106525755A (zh) | 基于近红外光谱技术的油砂pH值测试方法 | |
CN109540837B (zh) | 近红外快速检测苎麻叶片木质纤维素含量的方法 | |
CN109283153B (zh) | 一种酱油定量分析模型的建立方法 | |
CN110987858A (zh) | 一种利用神经网络数据模型进行油品快速检测的方法 | |
CN113340943B (zh) | 基于指纹图谱的水体中嗅味类型和嗅味强度的分析方法 | |
CN105954228A (zh) | 基于近红外光谱的油砂中金属钠含量的测量方法 | |
CN111141809B (zh) | 一种基于非接触式电导信号的土壤养分离子含量检测方法 | |
CN109709060B (zh) | 一种沥青软化点、针入度和质量损失的测定方法 | |
CN111337452A (zh) | 一种验证光谱数据模型转移算法可行性的方法 | |
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 | |
CN109521002B (zh) | 一种固体燃料颗粒流的燃料特性测量方法 | |
CN112326594A (zh) | 一种快速检测c5油品中硫含量的定量模型的建立方法 | |
CN115236024A (zh) | 测定酒总酸和总酯含量模型的训练方法、测定方法及装置 | |
CN104181125A (zh) | 快速测定啤酒麦芽中库尔巴哈值的方法 | |
CN111044504B (zh) | 一种考虑激光诱导击穿光谱不确定性的煤质分析方法 | |
CN111579526B (zh) | 一种表征近红外仪器差异和校正的方法 | |
CN112595706A (zh) | 一种激光诱导击穿光谱变量选择方法及系统 | |
CN112861412A (zh) | 基于近红外光谱主成分和神经网络的生物质挥发分含量测量与建模方法 | |
CN111965166A (zh) | 一种生物质成型燃料特性指标的快速测量方法 | |
CN107884360B (zh) | 一种卷烟纸助燃剂检测方法 | |
CN110907386A (zh) | 一种垃圾焚烧电厂多组分气体分析系统及其方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210205 |