用于预测碳氢化合物产品物理性能数据的方法

摘要

一种方法，用于测量数据及从已测量(近)红外光谱吸收来确定碳氢化合物产品物理性能数据的神经系统网络的最优化，其特征在于以下步骤：a)测定范围大组碳氢化合物产品样品的红外光谱；b)选择谐波范围；c)将一定数目的所说波长转换成吸收数据向神经系统网络的输入；d)训练神经系统网络，使吸收值与相关物理性能相关连；e)产生网络的交互加权及偏差值，f)应用神经系统网络算法将所调节值施于(近)红外光谱。

主权项

1.一种方法用于数据处理以及用于从已测量的(近)红外光谱吸收中确定碳氢化合物产品的物理性能数据的神经系统网络之最优化，其特征为如下步骤：a)测量从一宽范围来源中选出的大组碳氢化合物产品的(近)红外光谱；b)选择(近)红外光谱的谐波(谐波的)范围，然后被获得；c)在每一(近)红外光谱中选择一定数目的不连续波长，将一定数目的所说波长转换成吸收数据，用所说吸收数据作为向神经系统网络的输入，d)通过重复出现输入及已知输出即用于碳氢化合物产品(近)红外数据及其相关物理性能数据在整个数据组上训练神经系统网络，以便学习这二者之间的关系，并对照由用于训练数据的标准方法所测量的实际相关物理性能数据，监测其预测的执行，这样使吸收值与所说相关物理性能相关连；e)产生一系列在步骤d)的学习期之后所调整的网络的相关加权及偏离；且f)用网络算法将这些调整值用于(近)红外光谱，这个光谱是在同样条件下取得的用于未知物理性能数据的碳氢化合物产品。