由近红外光谱预测减压馏分油性质的方法技术

一种由近红外光谱预测减压馏分油性质的方法，包括收集减压馏分油样本，用标准方法测定每个样本的性质数据，测定每个样本的近红外光谱，对其进行二阶微分处理，取7000～4000cm

Prediction of properties of vacuum distillates by near infrared spectroscopy

A method for predicting the properties of vacuum distillates by near infrared spectroscopy includes collecting samples of vacuum distillates, determining the properties of each sample by standard method, measuring the near infrared spectroscopy of each sample, performing second-order differential treatment, and taking 7000-4000cm.

【技术实现步骤摘要】
由近红外光谱预测减压馏分油性质的方法
本专利技术为一种用近红外光谱预测油品性质的方法，具体地说，是一种用近红外光谱预测减压馏分油性质的方法。
技术介绍
目前，国内高品质基础油的生产工艺主要是全加氢工艺，加工过程涉及多种工艺以及多种类的物料和产品，一个环节的变化可能给整个基础油的生产带来影响。减压馏分油是全加氢工艺的起始物料，减压馏分油的品质好坏会很大程度影响最终基础油的质量，粘度指数是考察基础油品质的重要指标，而减压馏分油的烃族组成则会直接影响后续基础油的粘度指数。研究表明正构烷烃的粘度指数最高，粘温性能最好；具有长碳链的异构烷烃次之；粘温性能最差的是重芳烃、多环环烷烃和环烷芳烃。所以，准确获得减压馏分油的族组成信息，将会直接帮助后续的生产工艺选择和优化，也会帮助预测最终基础油的品质。减压馏分油的族组成随着原油变化而不同，而炼厂本身加工的原油种类变化较快，因此需要对其性质进行实时监测以快速得到相关信息，及时为工艺参数的调整进行指导，更好控制基础油质量，为企业生产带来更大的效益。目前国内生产基础油企业都是基于传统分析方法对减压馏分油的倾点和烃族组成等进行测定，其耗时长、不环保、不能在线监测，已经不能满足持续稳定高效生产高品质基础油的需求。因此，具有快速检测特点的近红外技术显示出巨大优势，通过将其与化学计量学结合可以可靠的对减压馏分油倾点及烃类组成进行快速测定。杨素等在“用近红外分析方法测定重质馏份油的化学族组成”(INFRARED，2006，27(4)：20-24.)采用近红外光谱结合偏最小二乘方法建立了预测重质馏份油化学族组成的方法。但是，采用偏最小二乘方法建立的校正模型有一定适用范围，若待测样本的组成与校正集样本存在较大差异，则需要对校正模型进行扩充更新。建立偏最小二乘定量校正模型需根据具体的应用对象对光谱进行预处理和光谱区间优选等操作，因所选参数多、多元校正方法较难理解和掌握等原因，模型的建立通常需要受过训练的专业人员来完成，这成为制约该技术广泛推广使用的瓶颈问题，很多项目都因为校正模型维护不及时而不能发挥其应有的作用。CN102374975A公开了一种利用近红外光谱预测油品物性数据的方法，提出了一种新的性质预测方法—库光谱拟合方法(LibrarySpectraFittingMethod)，这种方法基于油品的近红外光谱库和光谱拟合技术，基于光谱相似、性质相似的原理，通过光谱库中的一张或多张光谱对未知待测样本的光谱进行拟合，然后根据参与拟合光谱的性质计算出待测样本的性质，其化学实质在于未知样本可由一组库样本按一定比例混合而成，因此，未知样本的待测性质可通过库样本的性质按照混合比例计算得出。但该法依赖于光谱库中参与光谱拟合的有限的几个样本性质数据预测待测样本的性质，从而影响预测的准确性和稳定性。
技术实现思路
本专利技术的目的是提供一种由近红外光谱预测减压馏分油性质的方法，该法可提高待测样品性质数据的预测准确性和稳定性。本专利技术提供的由近红外光谱预测减压馏分油性质的方法，包括如下步骤：(1)收集至少300个减压馏分油样本，用标准方法测定每个样本的性质数据，(2)测定每个样本的近红外光谱，对其进行二阶微分处理，取7000～4000cm-1谱区的吸光度，与该样本用标准方法测定的性质数据对应，建立近红外光谱数据库，(3)测定待测减压馏分油样本的近红外光谱，并进行二阶微分，选取7000～4000cm-1谱区的吸光度；(4)在近红外光谱数据库中，随机选取多个样本的光谱数据，建立近红外光谱数据库分库，每个分库的样本数为近红外光谱数据库样本数的50～70％，共建立n个近红外光谱数据库分库，且每个分库中的样本均不相同，(5)(Ⅰ)对于某一个近红外光谱数据库分库Ap，按下述方法对待测样本的光谱进行拟合：a)按式①表示待测样本的光谱，求得库光谱的拟合系数，其中，x为待测样本的光谱，vi为近红外光谱数据库分库Ap中第i个库光谱，k为光谱数据库分库Ap中的光谱数目，ai为光谱数据库分库Ap中第i个库光谱对应的拟合系数，拟合系数ai采用经典的非负约束最小二乘法求出，即满足如下目标函数：b)将上述求得的拟合系数ai中所有的非零拟合系数提取出来，按式②进行归一化处理，得到归一化的拟合系数bi：其中，g为非零拟合系数的个数，c)按式③计算待测样本的拟合光谱：d)按式④计算待测样本光谱的拟合度，其中，xj为待测样本光谱第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，若s大于设定的阈值，由式⑤得到待测样本的该分库性质数据预测值，其中，为通过近红外光谱数据库分库Ap拟合得到的该分库性质数据预测值，qi为参与拟合的光谱数据对应的性质数据，若s小于设定的阈值，则不采用该近红外光谱数据库分库计算待测样本的性质数据，(Ⅱ)按(Ⅰ)步的方法，用其它(n-1)个近红外光谱数据库分库对待测样本的光谱进行拟合，共有t个s大于设定的阈值的近红外光谱数据库分库，且t>60％×n，(6)用t个待测样本的分库性质数据预测值，按式⑥计算待测样本的分库性质数据预测值(P分库)：其中，分别为由s大于设定的阈值的近红外光谱数据库分库A1、A2、…、At拟合得到的待测样本的各分库性质数据预测值。(7)用近红外光谱数据库中的所有光谱按(5)步中(Ⅰ)步的方法对待测样本的近红外光谱进行拟合，且s不小于设定的阈值，并由参与拟合的光谱对应的性质数据计算得到待测样本的全库性质数据预测值(P全库)，则待测样本的性质数据预测值由式⑧计算：P＝(60％-90％)P分库+(10％-40％)P全库⑧式⑧中，P为待测样本的性质数据预测值，P分库为待测样本的分库性质数据预测值，P全库为待测样本的全库性质数据预测值。本专利技术方法采用对近红外光谱数据库建立分库的方法，用分库的库光谱对待测样本的光谱进行拟合，进而用参与拟合的分库库光谱的性质数据计算得到待测样本在该分库的性质数据预测值，再将各分库的性质数据预测值的平均值作为待测样本的分库性质数据预测值，将待测样本的分库性质数据预测值与全库性质数据预测值结合得到待测样本的性质数据预测值。该法可充分利用现有近红外光谱数据库的资源，有效提高待测样本性质的预测准确性。具体实施方式本专利技术方法通过建立若干减压馏分油近红外光谱数据库分库的方法，由分库库光谱对待测样本的光谱进行拟合，获得分库的待测样本的性质数据预测值，再由可拟合的所有分库预测结果的平均值得到待测样本的分库性质数据预测值，再结合由全库光谱拟合的得到的待测样本的全库性质数据预测值，将两者按适当权重比加合得到待测样本的性质数据预测值。与CN102374975A相比，可以在一定程度上消除绝对依赖减压馏分油光谱数据库中有限的样本数据的局限，在更大程度上扩展参与拟合的样本数量，从而提高减压馏分油样本性质的预测准确性和稳定性。本专利技术方法可以预测的减压馏分油性质包括减压馏分油的族组成和倾点中的至少一种。所述的族组成可为链烷烃、一环环烷烃、二环环烷烃、三环环烷烃、四环烷烃、环烷烃、单环芳烃和芳烃含量中的至少一种本专利技术方法(1)步为收集有代表性的减压馏分油样本，收集的样本数据至少为300个，适宜的收集样品数为300～500个，再用标准方法测定每个样本的性质数据。所述测定减压馏分油样本族组成的本文档来自技高网...

【技术保护点】
1.一种由近红外光谱预测减压馏分油性质的方法，包括如下步骤：(1)收集至少300个减压馏分油样本，用标准方法测定每个样本的性质数据，(2)测定每个样本的近红外光谱，对其进行二阶微分处理，取7000～4000cm

【技术特征摘要】
1.一种由近红外光谱预测减压馏分油性质的方法，包括如下步骤：(1)收集至少300个减压馏分油样本，用标准方法测定每个样本的性质数据，(2)测定每个样本的近红外光谱，对其进行二阶微分处理，取7000～4000cm-1谱区的吸光度，与该样本用标准方法测定的性质数据对应，建立近红外光谱数据库，(3)测定待测减压馏分油样本的近红外光谱，并进行二阶微分，选取7000～4000cm-1谱区的吸光度；(4)在近红外光谱数据库中，随机选取多个样本的光谱数据，建立近红外光谱数据库分库，每个分库的样本数为近红外光谱数据库样本数的50～70％，共建立n个近红外光谱数据库分库，且每个分库中的样本均不相同，(5)(Ⅰ)对于某一个近红外光谱数据库分库Ap，按下述方法对待测样本的光谱进行拟合：a)按式①表示待测样本的光谱，求得库光谱的拟合系数，其中，x为待测样本的光谱，vi为近红外光谱数据库分库Ap中第i个库光谱，k为光谱数据库分库Ap中的光谱数目，ai为光谱数据库分库Ap中第i个库光谱对应的拟合系数，拟合系数ai采用经典的非负约束最小二乘法求出，即满足如下目标函数：b)将上述求得的拟合系数ai中所有的非零拟合系数提取出来，按式②进行归一化处理，得到归一化的拟合系数bi：其中，g为非零拟合系数的个数，c)按式③计算待测样本的拟合光谱：d)按式④计算待测样本光谱的拟合度，其中，xj为待测样本光谱第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，若s大于设定的阈值，由式⑤得到待测样本的该分库性质数据预测值，其中，为通过近红外光谱数据库分库Ap拟合得到的该分库性质数据预测值，qi为参与拟合的光谱数据对应的性质数据，若s小于设定的阈值，则不采用该近红外光谱数据库分库计算待测样本的性质数据，(Ⅱ)按(Ⅰ)步的方法，用其它(n-1)个近红外光谱数据库分库对待测样本的光谱进行拟合，共有t个s大于设定的阈值的近红外光谱数据库分库，且t>60％×n，(6)用t个待测样本的分库性质数据预测值，按式⑥计算待测样本的分库...

【专利技术属性】
技术研发人员：朱新宇，褚小立，陈瀑，吴梅，王小伟，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司石油化工科学研究院，
类型：发明
国别省市：北京,11