基于近红外光谱技术成品汽油分类方法的.pdfVIP

第30卷，第10期 光谱学与光谱分柝 20l0年10月 and October，2010 SpectroscopySpectralAnalysis 基于近红外光谱技术成品汽油分类方法的研究 张 军1，姜 黎1，陈 哲1，余 谦1，梁静秋2，王京华3 1．暨南大学，光电信息与传感技术广东普通高校重点实验事，广东广州510632 2．中国科学院长春光学精密机械与物理研究所，吉林长春130033 3．中国石化总公司广州分公司，广东广州 510726 1 100～ 摘要在研究成品汽油的分类方法过程中，首先采用判别式聚类分析方法比较了700 100和1 1 100～1700 700 rim)采用主成 nlTl两个波段范嗣判别模型的准确性，然后在识别模型准确性较高的波段(1 分分析法(PCA)结合自组织竞争神经网络方法，对90#，93#和97#成品汽油建立定性识别模型。在建立 定性模型前先用PCA法对原始数据进行主成分压缩。主成分分析结果表明，前3个主成分的累积可信度已 达97％，取前3个主成分的32个波长点的吸光度作为神经网络的输入，建立三层自组织竞争神经网络模 璎。神经网络模型的学习参数为0．01，网络训练迭代次数为500。结果表明，基于主成分分析结合自组织竞 争神经网络方法建立的近红外光谱鉴别成晶汽油的模型鉴别准确率高、方法町行。 关键词近红外光谱；判别式聚类分析；主成分分析； 自组织竞争神经网络；汽油 文献标识码：A 中图分类号：0657．3，0433．1 型，而人工神经网络方法可以逼近任何连续的非线性曲线， 引 言 是定性签别或定鲢测定的首选方法。另外由于自组织竞争神 经网络采用竞争型的学习规则对样本窄间进行仿真，在逼近 随着汽油市场的开放，汽油的进货渠道不同，其质量也 能力、分类能力和学习速度卜有着较强的优势，即使在缺乏 有所不同。fl『场上出售的汽油辛烷值在很多时候监测不到 样本数据时，预测效果也比较好【11]。所以本文首先采用判别 100～1700 位，这样不仪影响消费者的利益，间时也对环境造成影响。 式聚类方法。在700～1100和1 nm光谱范嗣内， 因此，研制便携式汽油制Hnll口口II质监测仪器，用于现场监测汽建立了3种牌号成品汽油的定性识别模型并进行了比较。然 loo～l700 油制品的品质，以确保汽油制晶的标号与实际相符就垃得十 后选择在分类错误率较低的1 am光谱范围内， 分有意义。 采用主成分分析联合自组织竞争神经网络的方法建寺3种牌 口前快速检测汽油标号的光学方法主要有以下两种方 号成品汽油的近红外光谱定性校正模捌，并与判别式聚类方 法：一种足采朋折射率方法确定成品汽油的标号…，但此法 法进行比较。结果表明，自组织竞争神经网络方法的预测能 对于折射率相筹很小的两种牌号油品(例如90号汽油、93号力优于判别式聚类方法，从而为成品汽油品质鉴定和在线监 汽油)来说不能准确地做出判断；另一种是近红