一种由近红外光谱预测原油性质的方法

摘要

一种由近红外光谱预测原油性质的方法，包括收集不同种类的原油样本，测定其近红外光谱和物性数据，将近红外光谱进行二阶微分处理后，进行主成分分析，取前w个得分与四个物性数据，经标准化处理后，再进行主成分分析，取前w+1个得分建立原油识别数据库，将待测原油样本的近红外光谱进行处理后，进行与建库同样的识别分析，得到待测原油的识别变量，由识别变量确定数据库中与其最为接近的原油样品，由这些原油样品的光谱对待测原油样本进行光谱拟合，再由拟合度与阈值的比较判断其拟合性，对于拟合完全的待测样品，由参与拟合的库光谱对应的物性数据预测待测原油样本的物性数据。

主权项

一种由近红外光谱预测原油性质的方法，包括如下步骤：(1)收集不同种类的原油样本，测定各样本的近红外光谱，并用常规方法测定各原油样本的物性数据，所述的物性数据不少于四个，(2)对收集的各原油样本近红外光谱中7000～4000cm^‑1谱区的吸光度进行二阶微分处理，将经二阶微分处理的近红外光谱与其对应的原油性质数据建立原油样品近红外光谱数据库，(3)将收集的各原油样本经二阶微分处理后的近红外光谱进行主成分分析(PCA)，取每个原油样本光谱的前w个PCA得分与该样本的四个物性数据构成w+4个变量，将这w+4个变量分别进行标准化处理，再进行主成分分析，取前w+1个PCA得分，组成原油识别数据库，(4)测定待测原油样本的近红外光谱，并采用常规方法测定其(3)步所述的四个物性数据，对测定的近红外光谱中7000～4000cm^‑1谱区的吸光度进行二阶微分处理，将前w个PCA得分，与其四个物性数据构成w+4个变量，将这w+4个变量进行标准化处理，再进行主成分分析，取前w+1个PCA得分作为识别变量，采用欧式距离最小方法，从(3)步建立的原油识别数据库中选出与待测原油最相近的20～100个原油样本，(5)从(2)步所建的近红外光谱数据库中找出对应于选出的20～100个原油样本的光谱及对应的原油性质数据，组成拟合光谱库，按照下述方法拟合待测原油样本的光谱：a)按式③求拟合库光谱的拟合系数，$x=\underset{i=1}{\overset{k}{\Sigma }}{a}_i{v}_i$      ③式③中，x为待测原油样本的光谱，v_i为第i个拟合库光谱，k为拟合库光谱的数目，a_i为第i个拟合库光谱对应的拟合系数。拟合系数a_i采用经典的非负约束最小二乘法求出，即满足④式所述的目标函数：$\min \left|\right|x-\underset{i=1}{\overset{k}{\Sigma }}{a}_i{v}_i\left|\right|,s.t.a_i\ge 0$     ④b)将上述求得的拟合系数a_i中所有的非零拟合系数提取出来，按式⑤进行归一化处理，得到归一化的拟合系数b_i，$b_i=\frac{a_i}{\underset{i=1}{\overset{g}{\Sigma }}{a}_i}$    ⑤式⑤中，g为非零拟合系数的个数，c)按式⑥计算待测原油样本的拟合光谱：$\hat{x}=\underset{i=1}{\overset{g}{\Sigma }}{b}_i{v}_i$   ⑥d)按式⑦计算待测原油样本光谱的拟合度s：$s=0.001/\sqrt{\underset{j=1}{\overset{m}{\Sigma }}{({\hat{x}}_j-x_j)}^2/(m-1)}$    ⑦式⑦中，x_j为待测原油样本光谱第j个波长点的吸光度，为拟合光谱第j个波长点的吸光度，m为光谱的波长点数，(6)若s大于设定的阈值，则由参与拟合光谱样本对应的物性数据计算待测原油样本的物性数据。