汽油多参数拉曼光谱分析仪中稳健支持向量机方法.docVIP

汽油多参数拉曼光谱分析仪中的稳健支持向量机方法* 包　鑫，戴连奎 (浙江大学杭州310027) 摘　要：由于拉曼光谱可以反映汽油各有机物基团丰富的信息可测定多种参数该方法利用将本文的算法光谱结果证明该方法具有很好的稳健性预测精度。光谱520.604 Robust SVM in multi-parameter gasoline analyzer using Raman spectroscopy Bao Xin, Dai Liankui (State Key Lab of Industrial Control Technology, Zhejiang University, Hangzhou 310027, China) Abstract：Raman spectroscopy is more suitable for analyzing the properties of gasoline, because Raman spectroscopy can reflect the information of the organic compound in gasoline. In order to overcome the influence of several outliers to calibration model, a robust version of support vector machine is introduced to overcome the influence of the outliers. In the proposed approach, regression error of the original training data set is computed, and then the confidence interval of the residuals distribution is applied iteratively to detect those outliers and select normal samples. In fact, a LS-SVM is created from the model being trained with the selected training sub-dataset without outliers to estimate the test samples. Applying this approach in Raman spectrum analysis for gasoline properties, experimental results show its robustness and accuracy. Key words：gasoline; Raman spectroscopy; multi-parameter; robust support vector machine 1　引　　言 汽油生产需要对许多物化指标进行控制，然而，这些物化指标的测量一般都在化验室完成，往往涉及许多分析方法及分析仪器，不仅测试费用高，而且分析速度慢，滞后严重，远不能满足过程优化控制的要求[1]。解决此问题既经济又可靠的办法是采用快速分析仪以精确控制产品质量指标。 目前，在产品质量快速分析中，近红外光谱(NIR Spectroscopy)和拉曼光谱(Raman Spectroscopy)分析技术得到了越来越广泛的应用[2]。近红外光谱分析方法具有测定快速、操作及维护简便和检测成本低等优点，因此，受到广泛的关注和研究[3]。然而，由于近红外光谱吸收带重叠严重，无法直接从近红外光谱中获取待测样品特征基团的组成信息。而拉曼光谱分析方法除了具有NIR光谱所具有的优点外，还可以获得汽油各有机物基团丰富的信息[4]，与化学计量学相结合更适合于汽油品质的分析，可测定多种参数，如辛烷值、芳烃和烯烃组成等[4-7]，而且测定精度更高。 目前，常用偏最小二乘(partial linear squares，PLS)等线性方法建立光谱数据与属性值之间的定量校正模型。当待测属性与光谱数据间呈非线性时，线性模型很难获得理想的预测效果[8-9]。因此一些学者提出采用非线性方法建立模型，如支持向量机[10]等。Suykens等[11]提出了最小二乘支持向量机(least squares support vector machines，LS-SVM)，对标准SVM算法进行了简化，而计算速度大大提高。 对于光谱分析模型，训练样本的准确性影响很大[12]。然而，实际由于种种原因，训练样本中难免混入少量与大多数正常样本差异显著的异常样本。目前在光谱分析中常用的建模方法对异常样本的存在十