CN113655019A - 一种管输原油的混油界面检测方法 - Google Patents
一种管输原油的混油界面检测方法 Download PDFInfo
- Publication number
- CN113655019A CN113655019A CN202110913465.6A CN202110913465A CN113655019A CN 113655019 A CN113655019 A CN 113655019A CN 202110913465 A CN202110913465 A CN 202110913465A CN 113655019 A CN113655019 A CN 113655019A
- Authority
- CN
- China
- Prior art keywords
- oil
- crude oil
- pipeline
- derivative
- spectral
- 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 65
- 239000003921 oil Substances 0.000 title claims abstract description 61
- 238000001514 detection method Methods 0.000 title description 5
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000002835 absorbance Methods 0.000 claims abstract description 22
- 230000003595 spectral effect Effects 0.000 claims abstract description 20
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 12
- 238000010606 normalization Methods 0.000 claims abstract description 5
- 238000001228 spectrum Methods 0.000 claims description 18
- 238000009499 grossing Methods 0.000 claims description 8
- 238000009795 derivation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007619 statistical 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
- G01N21/3577—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
-
- 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
Abstract
本发明公开了一种原油管输的混油界面检测方法,该方法采用近红外光谱技术及导数加和技术,实时对混油界面进行检测与跟踪。该方法在线采集管输原油的近红外光谱,对光谱数据进行矢量归一化预处理后,计算连续测定的光谱样本序列在各波数点下的吸光度标准偏差及其标准偏差的一阶导数,计算光谱特征区内各波数点下的一阶导数加和值,以分析管输原油的混油程度。该方法建模简单,即使面对密度相近的原油,也可准确判断原油混油界面的开始、中间和结束阶段,以便指导收油站及时进行原油切割收油。这对于提高原油管输调度过程的灵活性,提升管输灵活性等具有重要价值。
Description
技术领域
本发明涉及原油管道输送领域,具体为一种管输原油的混油界面快速检测方法。
背景技术
在原油管道输送领域,通常采用顺序输送的方法,即在一条管道中按照一定批量和次序,连续输送不同油种的一种输送方式。顺序输送可以提高管道利用率,运输量大,经济性好,自动控制方便。
在管道顺序输送原油的过程中,两种原油交替处会形成混油段,因此接收原油的收油站需要实时检测混油界面,以便及时、准确地进行原油切割收油。目前,工业中混油界面检测多采用密度测量法,该方法操作简单,对于密度相差较大的原油具有较好的分辨能力,应用广泛。然而,这种方法对于密度相近的不同种类原油却难以区分,进而降低了管道输送的灵活性。
近红外光谱分析技术近年来已开始运用于原油性质快速分析领域,相较于手工化验,具有测量速度快、精度高等优点。目前已有将基于近红外光谱的分析技术应用于混油界面检测的研究,但采用的方法仍以主元统计分析等机器学习方法为主,存在建模较为复杂、计算量偏大、实时性偏弱等问题。
发明内容
本发明针对背景技术中存在的问题,利用近红外光谱分析及导数加和技术,对混油界面进行实时检测与跟踪。该方法具有以下步骤:
1)实时采集管道顺序输送原油的近红外光谱,选取5200cm-1~6200cm-1波数范围内的光谱作为特征区光谱,并对特征区内的光谱进行矢量归一化预处理;
2)以当前时刻k为起点,向前连续读取p个时刻的光谱吸光度Aij,并针对每一个波数点i,计算连续p次光谱的吸光度标准偏差Sik:
式中,i=1,2,...,m,m为特征区内光谱的波数点总数,Aij为时刻j采集的光谱序列中第i个波数点的光谱吸光,j=k-p+1,k-p+2,...,k;p=0.025πd2Lt-1Q-1,其中L为混油段长度,d为管道内直径,Q为油品在管道中的体积流量,t为光谱采集周期,p向下取整。
3)采用Savitzky-Golay卷积求导方法,计算吸光度标准偏差Sik的一阶导数Sik′:
式中,gt为权重因子,平滑窗口宽度为2ω+1,ω为整数,△k为差分宽度;平滑窗口宽度设置为5,以5点二次平滑方法求取一阶导数Sik′:
5)依据加和值Sk′的大小,按照以下步骤判断管道输送原油的混油阶段:
5-1)初始化混油标志位tag=0;
5-2)实时采集管道顺序输送原油的近红外光谱;
5-3)计算当前时刻特征区内光谱各波数点一阶导数加和值Sk′;
5-4)判断Sk′是否小于等于0.005:若是则转步骤5-5);否则判断为混油开始阶段,置tag=1,转步骤5-7);
5-5)判断Sk′是否大于等于-0.005:若是则转步骤5-6);否则判断为混油结束阶段,置tag=0,转步骤5-7);
5-6)判断tag是否为0:若是则判断为单一原油阶段;否则判断为混油中间阶段;
5-7)输出原油混油界面的判断结果;
5-8)转步骤5-2)。
6)输出判断结果至原油管输调度控制系统,及时对管输原油进行切割收油。
有益效果:
本发明公开了一种管输原油的混油界面检测方法,该方法采用近红外光谱分析及导数加和技术,实时对混合油品进行检测与跟踪。该方法即使面对密度相近的原油,也能够实时分析原油特征光谱变化情况,可准确判断原油混油界面开始、中间和结束阶段,且建模简单,运算速度快,可及时指导收油站进行原油切割收油。这对于提高原油管输调度过程的实时性,提升管输灵活性等具有重要价值。
附图说明
图1为本发明一种管输原油的混油界面检测方法流程图;
图2为本发明实施例中某管线原油光谱样本的吸光度标准偏差计算结果;
图3为本发明实施例中某管线原油吸光度标准偏差的一阶导数加和值计算结果;
图4为本发明实施例中某管线分批分次输送不同种类原油的混油界面判断结果。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。由具体的操作流程说明本方法在管道输送原油在线检测混油界面过程中的实施效果。本实施案例在以本发明技术方案为前提下进行实施,但本发明的保护范围不限于下述的实施例。
某长输管线顺序输送卡斯原油及荣卡多原油,管线上安装FTPA2000-260在线光谱仪,采用2mm光程流通池,40℃恒温后送至近红外光谱仪扫描。为准确判断原油混油界面的开始、中间和结束阶段,决定采用本发明技术进行分析检测。具体过程如下:
1)选取波数段为5200cm-1~6200cm-1的近红外光谱并对其进行矢量归一化预处理。其中,表1为预处理后管输原油近红外光谱的部分数据。
表1矢量归一化处理后的管输原油近红外光谱
2)在每一个波数点下,计算连续p次的光谱样本吸光度标准偏差。
经工艺理论即前期实测历史数据推算,管输原油的混油段长度约为3.0km,流速约为3.0ms,光谱采集周期设定为10s,则p=0.025πd2Lt-1Q-1=10.2,取p=10。
如表1所示,针对波数点5207.42cm-1,以光谱标号01为起点,计算01~10共计p=10个的吸光度A1j标准偏差S11:
同理,还是针对波数点5207.42cm-1,以02位起点,光谱标号02~11的吸光度标准偏差S12的值为0.0001;类似的,其它波数点及不同时间序列计算得到的吸光度标准偏差部分数据如表2所示:
表2连续序列光谱的吸光度标准偏差
对其样本吸光度标准偏差数据进行可视化处理,其结果如图2所示。
3)采用Savitzky-Golay卷积求导方法,计算吸光度标准偏差的一阶导数。
如表2所示,以波数点5207.42cm-1为例,时间序列16~20的吸光度标准偏差S1k分别为[0.0146,0.0135,0.0113,0.0085,0.0061],以5点二次平滑方法,计算吸光度标准偏差S1(20)的一阶导数S1(20)′:
同理,其它计算得到的一阶导数值的部分数据如表3所示:
表3卷积平滑处理的吸光度标准偏差一阶导数
4)计算光谱特征区内各波数点一阶导数加和值。
以表3中时间序列15为例,其在光谱特征区内各波数点一阶导数Si(15)′为[0.0001,0.0001,...,0.0007,0.0007],则时间序列15在光谱特征区内各波数点一阶导数的加和值S15′按下式计算:
光谱特征区内各波数点一阶导数加和值的计算结果如图3所示。
5)依据加和值Sk′的大小,按照如下顺序判断管道输送原油的混油阶段:
5-1)初始化混油标志位tag=0;
5-2)实时采集管道顺序输送原油的近红外光谱;
5-3)计算当前时刻特征区光谱内各波数点一阶导数加和值Sk′;
5-4)判断Sk′是否小于等于0.005:若是则转步骤5-5);否则判断为混油开始阶段,置tag=1,转步骤5-7);
5-5)判断Sk′是否大于等于-0.005:若是则转步骤5-6);否则判断为混油结束阶段,置tag=0,转步骤5-7);
5-6)判断tag是否为0:若是则判断为单一原油阶段;否则判断为混油中间阶段;
5-7)输出原油混油界面的判断结果;
5-8)转步骤5-2)。
导数值加和值从0至最大值,再由最大值至最小值,又由最小值至0的过程,记作1个混油段的混合油周期。图3清晰展现了1个混合油周期的变化过程,可见,该方法可以准确判断混油界面的开始、中间和结束阶段,且由于该方法无需复杂的建模过程,运算速度快,实时性好。
6)将结果输出至原油管输调度控制系统,下游收油站可以对油品进行及时切割收油。
为进一步论证本方法的可靠性,针对管道中多次输送不同种类的原油,存在多个混油界面的情况进行检测。与前述过程类似,连续计算光谱特征区内各波数点吸光度标准偏差一阶导数加和值,对多次输送不同种类原油的混油界面的判断结果如图4所示。图中清晰展现了3段混油周期曲线,显然,该方法均可实时、准确地对混合油品进行检测与跟踪。
Claims (6)
1.一种管输原油的混油界面检测方法,其特征在于具有以下步骤:
1)实时采集管道顺序输送原油的近红外光谱,并对特征区内的光谱进行预处理;
2)以当前时刻k为起点,向前连续读取p个时刻的光谱吸光度Aij,并针对每一个波数点i,计算连续p次光谱的吸光度标准偏差Sik:
式中,i=1,2,...,m,m为特征区内光谱波数点总数,Aij为时刻j采集的光谱序列中第i个波数点的光谱吸光度,j=k-p+1,k-p+2,...,k;
3)采用Savitzky-Golay卷积求导方法,计算吸光度标准偏差Sik的一阶导数Sik′:
式中,gt为权重因子,平滑窗口宽度为2ω+1,ω为整数,△k为差分宽度;
5)依据加和值Sk′的大小,判断管道输送原油的混油阶段;
6)输出判断结果至原油管输调度控制系统,及时对管输原油进行切割收油。
2.根据权利要求1所述的一种管输原油的混油界面检测方法,其特征在于步骤1)中特征区内的光谱波数范围为5200cm-1~6200cm-1。
3.根据权利要求1所述的一种管输原油的混油界面检测方法,其特征在于步骤1)中采用矢量归一化方法对光谱特征区内的吸光度进行预处理。
4.根据权利要求1所述的一种管输原油的混油界面检测方法,其特征在于步骤2)中p按照下式计算:
p=0.025πd2Lt-1Q-1;
式中,L为混油段长度,d为管道内直径,Q为油品在管道中的体积流量,t为光谱采集周期,p向下取整。
6.根据权利要求1所述的一种管输原油的混油界面检测方法,其特征在于步骤5)中按照以下步骤判断混油阶段:
5-1)初始化混油标志位tag=0;
5-2)实时采集管道顺序输送原油的近红外光谱;
5-3)计算当前时刻特征区内光谱各波数点一阶导数加和值Sk′;
5-4)判断Sk′是否小于等于0.005:若是则转步骤5-5);否则判断为混油开始阶段,置tag=1,转步骤5-7);
5-5)判断Sk′是否大于等于-0.005:若是则转步骤5-6);否则判断为混油结束阶段,置tag=0,转步骤5-7);
5-6)判断tag是否为0:若是则判断为单一原油阶段;否则判断为混油中间阶段;
5-7)输出原油混油界面的判断结果;
5-8)转步骤5-2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110913465.6A CN113655019B (zh) | 2021-08-10 | 2021-08-10 | 一种管输原油的混油界面检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110913465.6A CN113655019B (zh) | 2021-08-10 | 2021-08-10 | 一种管输原油的混油界面检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113655019A true CN113655019A (zh) | 2021-11-16 |
CN113655019B CN113655019B (zh) | 2024-04-26 |
Family
ID=78491306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110913465.6A Active CN113655019B (zh) | 2021-08-10 | 2021-08-10 | 一种管输原油的混油界面检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113655019B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5262961A (en) * | 1990-12-17 | 1993-11-16 | Farone William A | Method for monitoring and controlling a chemical process |
US5504331A (en) * | 1993-10-15 | 1996-04-02 | Atlantic Richfield Company | Spectroscopic analyzer operating method |
CA2276750A1 (en) * | 1997-01-24 | 1998-07-30 | Infrasoft International Llc | Calibration system for spectrographic analyzing instruments |
WO2002012969A1 (fr) * | 2000-08-07 | 2002-02-14 | Mitsui Chemicals, Inc. | Procede de controle de production |
CN101788466A (zh) * | 2009-01-22 | 2010-07-28 | 中国石油化工股份有限公司 | 成品油管道输送中混油界面的检测方法 |
CN102235970A (zh) * | 2010-04-30 | 2011-11-09 | 中国石油化工股份有限公司 | 利用近红外光谱检测成品油管道混油界面的方法 |
CN103364364A (zh) * | 2013-07-01 | 2013-10-23 | 南京富岛信息工程有限公司 | 一种基于复合预测技术的原油性质快速检测方法 |
WO2013163268A1 (en) * | 2012-04-24 | 2013-10-31 | Westco Scientific Instruments, Inc. | Spectrometer secondary reference calibration |
CN104330383A (zh) * | 2014-10-28 | 2015-02-04 | 杭州市粮油中心检验监测站 | 一种利用ftir法分析食用油酸价的方法 |
US20150142364A1 (en) * | 2012-04-24 | 2015-05-21 | Westco Scientific Instruments, Inc. | Spectrometer reference calibration |
CN104677854A (zh) * | 2015-02-13 | 2015-06-03 | 王利兵 | 一种近红外快速识别橄榄油及橄榄油中掺杂菜籽油的方法 |
WO2017084118A1 (zh) * | 2015-11-19 | 2017-05-26 | 江南大学 | 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 |
CN107941747A (zh) * | 2018-01-16 | 2018-04-20 | 济南金宏利实业有限公司 | 基于mems近红外技术检测混料均匀度的装置及方法 |
CN108169169A (zh) * | 2018-02-12 | 2018-06-15 | 北京理工大学珠海学院 | 一种基于近红外光谱技术的山茶油掺伪的快速检测方法 |
CN109883988A (zh) * | 2019-01-18 | 2019-06-14 | 江苏康缘药业股份有限公司 | 一种固体制剂包衣合格性测试模型的检测方法 |
RU2695039C1 (ru) * | 2018-12-03 | 2019-07-18 | Федеральное государственное бюджетное учреждение "33 Центральный научно-исследовательский испытательный институт" Министерства обороны Российской Федерации | Способ идентификации и прогнозирования р-алкильных радикалов гомологов о-алкилалкилфторфосфонатов |
WO2019192433A1 (zh) * | 2018-04-03 | 2019-10-10 | 深圳市药品检验研究院(深圳市医疗器械检测中心) | 一种基于近红外光谱技术对中药皂角刺的真伪进行化学模式识别的方法 |
CN111290324A (zh) * | 2020-02-13 | 2020-06-16 | 南京富岛软件有限公司 | 5t探测站安全监控诊断系统及其健康报警方法 |
CN112419580A (zh) * | 2020-10-27 | 2021-02-26 | 铁道警察学院 | 一种基于高光谱成像的纸币真伪鉴别方法 |
-
2021
- 2021-08-10 CN CN202110913465.6A patent/CN113655019B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5262961A (en) * | 1990-12-17 | 1993-11-16 | Farone William A | Method for monitoring and controlling a chemical process |
US5504331A (en) * | 1993-10-15 | 1996-04-02 | Atlantic Richfield Company | Spectroscopic analyzer operating method |
CA2276750A1 (en) * | 1997-01-24 | 1998-07-30 | Infrasoft International Llc | Calibration system for spectrographic analyzing instruments |
WO2002012969A1 (fr) * | 2000-08-07 | 2002-02-14 | Mitsui Chemicals, Inc. | Procede de controle de production |
CN101788466A (zh) * | 2009-01-22 | 2010-07-28 | 中国石油化工股份有限公司 | 成品油管道输送中混油界面的检测方法 |
CN102235970A (zh) * | 2010-04-30 | 2011-11-09 | 中国石油化工股份有限公司 | 利用近红外光谱检测成品油管道混油界面的方法 |
US20150142364A1 (en) * | 2012-04-24 | 2015-05-21 | Westco Scientific Instruments, Inc. | Spectrometer reference calibration |
WO2013163268A1 (en) * | 2012-04-24 | 2013-10-31 | Westco Scientific Instruments, Inc. | Spectrometer secondary reference calibration |
CN103364364A (zh) * | 2013-07-01 | 2013-10-23 | 南京富岛信息工程有限公司 | 一种基于复合预测技术的原油性质快速检测方法 |
CN104330383A (zh) * | 2014-10-28 | 2015-02-04 | 杭州市粮油中心检验监测站 | 一种利用ftir法分析食用油酸价的方法 |
CN104677854A (zh) * | 2015-02-13 | 2015-06-03 | 王利兵 | 一种近红外快速识别橄榄油及橄榄油中掺杂菜籽油的方法 |
WO2017084118A1 (zh) * | 2015-11-19 | 2017-05-26 | 江南大学 | 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 |
CN107941747A (zh) * | 2018-01-16 | 2018-04-20 | 济南金宏利实业有限公司 | 基于mems近红外技术检测混料均匀度的装置及方法 |
CN108169169A (zh) * | 2018-02-12 | 2018-06-15 | 北京理工大学珠海学院 | 一种基于近红外光谱技术的山茶油掺伪的快速检测方法 |
WO2019192433A1 (zh) * | 2018-04-03 | 2019-10-10 | 深圳市药品检验研究院(深圳市医疗器械检测中心) | 一种基于近红外光谱技术对中药皂角刺的真伪进行化学模式识别的方法 |
RU2695039C1 (ru) * | 2018-12-03 | 2019-07-18 | Федеральное государственное бюджетное учреждение "33 Центральный научно-исследовательский испытательный институт" Министерства обороны Российской Федерации | Способ идентификации и прогнозирования р-алкильных радикалов гомологов о-алкилалкилфторфосфонатов |
CN109883988A (zh) * | 2019-01-18 | 2019-06-14 | 江苏康缘药业股份有限公司 | 一种固体制剂包衣合格性测试模型的检测方法 |
CN111290324A (zh) * | 2020-02-13 | 2020-06-16 | 南京富岛软件有限公司 | 5t探测站安全监控诊断系统及其健康报警方法 |
CN112419580A (zh) * | 2020-10-27 | 2021-02-26 | 铁道警察学院 | 一种基于高光谱成像的纸币真伪鉴别方法 |
Non-Patent Citations (8)
Title |
---|
JIAO, YP等: "Preprocessing methods for near-infrared spectrum calibration", 《JOURNAL OF CHEMOMETRICS》, vol. 34, no. 11, 9 October 2020 (2020-10-09), pages 1 - 7 * |
XU, HR等: "On-site variety discrimination of tomato plant using visible-near infrared reflectance spectroscopy", 《JOURNAL OF ZHEJIANG UNIVERSITY-SCIENCE B》, vol. 10, no. 2, 6 February 2009 (2009-02-06), pages 126 - 132 * |
严蕊等: "近红外光谱法测定标准物质均匀性", 《化学分析计量》, vol. 27, no. 1, 20 June 2018 (2018-06-20), pages 30 - 33 * |
史永刚等: "《化学计量学》", 31 January 2003, 中国石化出版社, pages: 119 - 127 * |
孙阔等: "阿司匹林合成体系三组分的拉曼光谱测定及应用", 《化学分析计量》, vol. 21, no. 6, 20 November 2012 (2012-11-20), pages 32 - 35 * |
胡鑫浩: "液态多组分油类混合物光学特性及其含量表征分析", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, no. 1, 15 January 2020 (2020-01-15), pages 014 - 1478 * |
苏曼等: "一种成品油模型校正集自动维护方法设计", 《石油化工应用》, vol. 38, no. 3, 25 March 2019 (2019-03-25), pages 106 - 111 * |
谭峰等: "《基于光谱技术的寒地水稻稻瘟病害分析及机理研究》", 30 June 2016, 哈尔滨工程大学出版社, pages: 85 - 104 * |
Also Published As
Publication number | Publication date |
---|---|
CN113655019B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Longobardi et al. | Electronic nose and isotope ratio mass spectrometry in combination with chemometrics for the characterization of the geographical origin of Italian sweet cherries | |
CN103837492B (zh) | 一种基于近红外光谱技术的猕猴桃膨大果无损检测方法 | |
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 | |
CN109299501B (zh) | 一种基于工作流的振动光谱分析模型优化方法 | |
CN103411906B (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
CN114252430B (zh) | 一种基于激光诱导击穿光谱技术的矿浆品位在线检测方法 | |
CN116881705B (zh) | 一种锦灯笼宿萼的近红外光谱数据处理系统 | |
CN103353446A (zh) | 近红外快速检测白酒中理化指标的方法 | |
CN105424641A (zh) | 一种原油种类的近红外光谱识别方法 | |
CN104655583A (zh) | 一种基于傅里叶红外光谱的煤质快速识别方法 | |
CN102072767A (zh) | 基于波长相似性共识回归红外光谱定量分析方法和装置 | |
CN116842326B (zh) | 一种基于光学手段的畜牧养殖水质监测系统 | |
CN104990895A (zh) | 一种基于局部区域的近红外光谱信号标准正态校正方法 | |
CN106525755A (zh) | 基于近红外光谱技术的油砂pH值测试方法 | |
CN101498667B (zh) | 乙丙共聚聚丙烯中乙烯或乙丙橡胶含量的检测方法 | |
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 | |
CN116432051A (zh) | 一种近红外光谱数据微弱差异信号的评价方法 | |
CN112098361A (zh) | 一种基于近红外光谱的玉米种子鉴别方法 | |
CN113655019A (zh) | 一种管输原油的混油界面检测方法 | |
de Souza et al. | A Spectral AutoML approach for industrial soft sensor development: Validation in an oil refinery plant | |
CN106198433B (zh) | 基于lm-ga算法的红外光谱定性分析方法 | |
CN113433088A (zh) | 一种原油长输管线混油段精细化监测方法 | |
CN103440425A (zh) | 一种辛烷值回归模型的建立方法 | |
马永杰 et al. | Origin tracing of red Fuji apple based on near infrared transmission spectrum and various dimension reduction methods | |
CN115420726A (zh) | 一种利用重构sers光谱快速识别目标物的方法 |
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 |