一種提高汽油性質(zhì)預(yù)測(cè)精度的方法
【專利摘要】本發(fā)明提出了一種提高汽油性質(zhì)預(yù)測(cè)精度的方法，采用小波變換進(jìn)行去噪處理，并對(duì)去噪后的光譜進(jìn)行快速傅里葉變換，以便有效從光譜的重疊吸收峰中提取有用信息。取累計(jì)占比率達(dá)到85％的前若干個(gè)傅里葉變換系數(shù)計(jì)算歐式距離，選擇一定數(shù)量距離較小的樣本作為校正樣本建立偏最小二乘模型，最后對(duì)待測(cè)樣本進(jìn)行預(yù)測(cè)。該方法較好地除去了噪聲，消除了基線漂移，同時(shí)有效提取了汽油光譜的特征信息，提高了模型的預(yù)測(cè)精度，具有重要的工程應(yīng)用價(jià)值。
【專利說明】
-種提高汽油性質(zhì)預(yù)測(cè)精度的方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明為一種提高汽油性質(zhì)預(yù)測(cè)精度的方法，具體是設(shè)及汽油的性質(zhì)檢測(cè)領(lǐng)域， 尤其是對(duì)研究法辛燒值的測(cè)定方法。
【背景技術(shù)】
[0002] 研究法辛燒值(RON)、飽和蒸汽壓等性質(zhì)的分析是汽油生產(chǎn)中的必檢項(xiàng)目，對(duì)汽油 產(chǎn)品質(zhì)量的控制具有重要意義。運(yùn)些性質(zhì)的傳統(tǒng)檢測(cè)方法復(fù)雜，耗力費(fèi)時(shí)。近紅外光譜分析 方法具有簡(jiǎn)單、快速、無損等優(yōu)點(diǎn)，因而在汽油性質(zhì)分析檢測(cè)中應(yīng)用越來越廣泛。
[0003] 實(shí)際使用中，由于近紅外原始光譜中除了包含與樣品性質(zhì)組成有關(guān)的化學(xué)信息 夕h同時(shí)也包含由樣本的狀態(tài)、雜散光及儀器高頻噪聲帶來的干擾信號(hào)，運(yùn)些干擾信號(hào)會(huì)影 響譜圖信息，導(dǎo)致近紅外光譜基線漂移，信噪比低，對(duì)檢測(cè)精度產(chǎn)生不利影響，必須對(duì)光譜 進(jìn)行去噪處理。
[0004] 另外，近紅外光譜為分子振動(dòng)光譜的倍頻和組合頻譜帶，吸收偏弱，存在吸收峰重 疊的現(xiàn)象，不利于直接提取出與樣品性質(zhì)組成相關(guān)的信息，需要采用光譜解析等合適的手 段W提高模型的預(yù)測(cè)精度。

【發(fā)明內(nèi)容】

[0005] 針對(duì)上述問題，本專利提出了一種提高汽油性質(zhì)預(yù)測(cè)精度的方法，該方法W偏最 小二乘(PLS)建模為基礎(chǔ)，采用小波變換(WT)和傅里葉變換(FFT)用于濾波去噪和光譜解 析。根據(jù)FFT系數(shù)的若干個(gè)系數(shù)計(jì)算待測(cè)樣本與光譜庫(kù)中樣本的歐式距離，再在光譜庫(kù)中選 擇一定數(shù)量的歐式距離較小的樣本建立模型，最后使用建好的WT-FFT-PLS模型對(duì)待測(cè)樣本 進(jìn)行預(yù)測(cè)，具體包括W下步驟：
[0006] (1)獲取待測(cè)汽油樣本的近紅外光譜；
[0007] (2)對(duì)待測(cè)汽油樣本和光譜庫(kù)中類型相同汽油樣本的光譜進(jìn)行常規(guī)預(yù)處理；
[000引（3)將預(yù)處理后的光譜數(shù)據(jù)進(jìn)行小波變換處理，得到光譜數(shù)據(jù)的近似小波變換系 數(shù)；
[0009] (4)對(duì)近似小波變換系數(shù)進(jìn)行快速傅里葉變換，并計(jì)算傅里葉變換系數(shù)的累計(jì)占 比率，當(dāng)前n個(gè)系數(shù)的累計(jì)占比率達(dá)到85% W上時(shí)，記下此時(shí)的快速傅里葉變換系數(shù)的個(gè)數(shù) n；
[0010] (5)根據(jù)步驟(4)處理后的傅里葉變換系數(shù)的前n個(gè)系數(shù)計(jì)算待測(cè)樣本與光譜庫(kù)中 樣本的歐式距離，在光譜庫(kù)中選擇一定數(shù)量的距離較小的樣本作為校正樣本；
[0011] (6)取校正樣本的前n個(gè)傅里葉變換系數(shù)數(shù)據(jù)建立偏最小二乘模型；
[0012] (7)通過建好的模型對(duì)待測(cè)樣本進(jìn)行預(yù)測(cè)。
[0013] 優(yōu)選的，步驟(2)所述的預(yù)處理方法采用矢量歸一。
[0014] 優(yōu)選的，小波變換采用化ar小波。采用化ar小波變換，是因?yàn)樵谒行〔ㄖ谢痑r小 波是空間緊支撐最小的，在不同的尺度下該小波具有最好的空間定位特性，能很好地保持 信號(hào)的特征信息，同時(shí)也除去了噪聲，消除了基線漂移。
[0015] 優(yōu)選的，所述提高汽油性質(zhì)預(yù)測(cè)精度的方法用于檢測(cè)研究法辛燒值。
[0016] 優(yōu)選的，步驟(5)中所述一定數(shù)量的校正樣本，若光譜庫(kù)中樣本數(shù)量不足30個(gè)，貝U 光譜庫(kù)中所有樣本為校正樣本;若光譜庫(kù)中樣本數(shù)量超過30個(gè)，則校正樣本的數(shù)量不少于 30個(gè)。
[0017] 更優(yōu)的，所述校正樣本數(shù)量為65個(gè)。
[001引有益效果：
[0019] 本發(fā)明提出了一種提高汽油性質(zhì)預(yù)測(cè)精度的方法，根據(jù)汽油樣本的近紅外光譜數(shù) 據(jù)，通過WT和FFT處理，并取FFT系數(shù)的若干個(gè)系數(shù)數(shù)據(jù)建立化S模型，對(duì)待測(cè)樣本進(jìn)行預(yù)測(cè)。 運(yùn)種方法較好地除去了噪聲，消除了基線漂移，且有效提取了汽油光譜的特征信息，提高了 模型的預(yù)測(cè)精度，在實(shí)際工程應(yīng)用中具有重要價(jià)值。
[0020] 選取累計(jì)占比率為85%及W上的n個(gè)FFT系數(shù)重構(gòu)信息數(shù)據(jù)，運(yùn)是因?yàn)橹貥?gòu)的數(shù)據(jù) 中已含有85%及W上的光譜有效特征信息，運(yùn)樣有效提取特征信息的同時(shí)也消除了眾多共 存信息相互重疊的影響，降低了數(shù)據(jù)的冗余率。另外，經(jīng)過測(cè)試表明當(dāng)提取高于85%的光譜 有效特征信息時(shí)，模型的檢測(cè)精度幾乎不變，運(yùn)說明提取85%的光譜有效特征信息足W滿 足預(yù)測(cè)精度的要求。
【附圖說明】
[0021 ]圖1提高汽油性質(zhì)預(yù)測(cè)精度的方法實(shí)施流程圖
[0022] 圖2傳統(tǒng)化討莫型與本發(fā)明WT-FFT-PLS模型的預(yù)測(cè)結(jié)果比較圖
【具體實(shí)施方式】
[0023] 下面結(jié)合附圖和實(shí)施案例對(duì)本發(fā)明作進(jìn)一步的說明。
[0024] 本發(fā)明W某95#成品油為例，介紹基于WT和FFT的提高汽油性質(zhì)預(yù)測(cè)精度的方法。 在本案例中，光譜庫(kù)中有87個(gè)95#成品油樣本，編號(hào)為95#-1~95#-87,對(duì)編號(hào)為95#-88~ 95#-97的10個(gè)待測(cè)樣本進(jìn)行預(yù)測(cè)。針對(duì)汽油RON性質(zhì)的預(yù)測(cè)，建模譜段選擇為4000-4800cm ^，區(qū)間內(nèi)共計(jì)208個(gè)波數(shù)點(diǎn)。
[0025] 根據(jù)圖1給出的實(shí)施流程，首先對(duì)汽油樣本近紅外光譜數(shù)據(jù)進(jìn)行矢量歸一處理，然 后直接調(diào)用Matlab軟件工具箱中的函數(shù)進(jìn)行WT和FFT。通過WT去噪和消除基線漂移，得到 104個(gè)點(diǎn)的WT近似信息系數(shù)，然后進(jìn)行FFT得到52個(gè)點(diǎn)的FFT系數(shù)，接著計(jì)算前n個(gè)FFT系數(shù)的 累計(jì)占比率，表1中給出的是n = 16時(shí)的累計(jì)占比率。
[0026] 表1某95#成品油樣本光譜數(shù)據(jù)的FFT系數(shù)累計(jì)占比率

[0028] 由表1可知，前16個(gè)FFT系數(shù)的累計(jì)占比率已達(dá)到85% W上，這說明若選取前16個(gè) FFT系數(shù)作為建模數(shù)據(jù)，模型中含有85% W上的有效特征信息。
[0029] 在實(shí)施案例中，從光譜庫(kù)中選擇65個(gè)距離較小的樣本作為校正樣本，建立化S模 型，本發(fā)明選取FFT系數(shù)的前16個(gè)系數(shù)數(shù)據(jù)建立WT-FFT-PLS模型，為分析比較，繼續(xù)采用相 同光譜庫(kù)中的樣本近紅外光譜，經(jīng)過矢量歸一和基線校正預(yù)處理后，建立普通化計(jì)莫型。兩 個(gè)試驗(yàn)的詳細(xì)預(yù)測(cè)結(jié)果如表2所示。其中絕對(duì)偏差是指RON實(shí)際值與預(yù)測(cè)值的差值的絕對(duì) 值。
[0030] 表2PLS模型與WT-FFT-PLS模型的預(yù)測(cè)結(jié)果比較
[0031]
[0032] 分析表2中的數(shù)據(jù)，比較WT-FFT-PLS模型與普通化討莫型的試驗(yàn)結(jié)果，可知10個(gè)待 測(cè)樣本中，4個(gè)樣本的絕對(duì)偏差有所增大，而其余6個(gè)樣本的絕對(duì)偏差減小。經(jīng)計(jì)算，普通化S 模型與WT-FFT-PLS模型的總體標(biāo)準(zhǔn)偏差分別為0.31、0.25 ,WT-FFT-化S模型的總體標(biāo)準(zhǔn)偏 差減小了 0.06。
[0033] 圖2直觀地展示了 10個(gè)待測(cè)樣本的RON實(shí)際值與化S模型和WT-FFT-PLS模型的預(yù)測(cè) 結(jié)果情況，可見WT-FFT-PLS模型的預(yù)測(cè)情況要優(yōu)于化討莫型。
[0034] 可見，本發(fā)明提出的方法在去除噪聲干擾的同時(shí)，也有效提取了光譜的特征信息， 較好地提高了模型的預(yù)測(cè)精度。
[0035] 本文中所描述的具體實(shí)施例僅僅是對(duì)本發(fā)明精神做舉例說明。本發(fā)明所屬技術(shù)領(lǐng) 域的技術(shù)人員可W對(duì)所描述的具體實(shí)施例做各種各樣的修改或補(bǔ)充或采用類似的方式替 代，但并不會(huì)偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。
【主權(quán)項(xiàng)】
1. 一種提高汽油性質(zhì)預(yù)測(cè)精度的方法，其特征在于具有以下步驟： (1) 獲取待測(cè)汽油樣本的近紅外光譜； (2) 對(duì)待測(cè)汽油樣本和光譜庫(kù)中類型相同汽油樣本的光譜進(jìn)行常規(guī)預(yù)處理； (3) 將預(yù)處理后的光譜數(shù)據(jù)進(jìn)行小波變換處理，得到光譜數(shù)據(jù)的近似小波變換系數(shù)； (4) 對(duì)近似小波變換系數(shù)進(jìn)行快速傅里葉變換，并計(jì)算傅里葉變換系數(shù)的累計(jì)占比率， 當(dāng)前η個(gè)系數(shù)的累計(jì)占比率達(dá)到85%以上時(shí)，記下此時(shí)的快速傅里葉變換系數(shù)的個(gè)數(shù)η; (5) 根據(jù)步驟(4)處理后的傅里葉變換系數(shù)的前η個(gè)系數(shù)計(jì)算待測(cè)樣本與光譜庫(kù)中樣本 的歐式距離，在光譜庫(kù)中選擇一定數(shù)量的歐式距離較小的樣本作為校正樣本； (6) 取校正樣本的前η個(gè)傅里葉變換系數(shù)數(shù)據(jù)建立偏最小二乘模型； (7) 通過建好的模型對(duì)待測(cè)樣本進(jìn)行預(yù)測(cè)。2. 根據(jù)權(quán)利要求1所述的一種提高汽油性質(zhì)預(yù)測(cè)精度的方法，其特征在于步驟(2)所述 的預(yù)處理方法采用矢量歸一。3. 根據(jù)權(quán)利要求1所述的一種提高汽油性質(zhì)預(yù)測(cè)精度的方法，其特征在于小波變換采 用Haar小波。4. 根據(jù)權(quán)利要求1所述的一種提高汽油性質(zhì)預(yù)測(cè)精度的方法，其特征在于所述提高汽 油性質(zhì)預(yù)測(cè)精度的方法用于檢測(cè)研究法辛烷值。5. 根據(jù)權(quán)利要求1所述的一種提高汽油性質(zhì)預(yù)測(cè)精度的方法，其特征在于步驟(5)中所 述一定數(shù)量的校正樣本，其數(shù)量不少于30個(gè)。
【文檔編號(hào)】G01N21/359GK105954223SQ201610278446
【公開日】2016年9月21日
【申請(qǐng)日】2016年4月28日
【發(fā)明人】陳夕松, 姜?jiǎng)倌? 杜瞇, 費(fèi)樹岷, 方鑫, 胡云云, 吳滬寧
【申請(qǐng)人】南京富島信息工程有限公司