一种测量硝基苯质量分数的方法技术

本发明专利技术公开了一种测量硝基苯质量分数的方法，该方法适用于检测掺杂甲苯的硝基苯的质量分数，同时结合近红外光谱技术快速无损分析的优势能实现对硝基苯质量分数的在线原位测量。本发明专利技术通过探头式近红外光谱技术可实现了含有甲苯杂质的硝基苯质量分数的快速检测。该方法操作简单、准确性和精确度高。准确性和精确度高。准确性和精确度高。

【技术实现步骤摘要】
一种测量硝基苯质量分数的方法


[0001]本专利技术属于红外光谱
，具体涉及一种测量硝基苯质量分数的方法。

技术介绍

[0002]硝基苯的质量分数是影响其应用的重要指标，因此在使用前通常对硝基苯的质量分数进行定量检测。
[0003]常用的质量分数方法主要有液相色谱法和气相色谱法，这两种方法准确度高，但样本前处理复杂，检测时间长，检测成本高，限制了硝基苯原料的管道连续化生产和输送。另外硝基苯毒性较大，开发在线原位检测方法能减少人员接触。
[0004]因此开发硝基苯质量分数的快速在线定量检测方法，对硝基苯的储运和应用具有重要意义。

技术实现思路

[0005]本专利技术所要解决的技术问题是：
[0006]提供一种测量硝基苯质量分数的方法。
[0007]为了解决上述技术问题，本专利技术采用的技术方案为：
[0008]一种测量硝基苯质量分数的方法，包括以下步骤：
[0009]测定若干份已知硝基苯样品的第一近红外透反射光谱数据，根据所述已知硝基苯样品中硝基苯的质量分数及所述第一近红外透反射光谱数据，建立预测模型；
[0010]测试待测硝基苯样品的第二近红外透反射光谱数据，根据所述第二近红外透反射光谱数据及所述预测模型，得到所述待测硝基苯样品中硝基苯的质量分数；
[0011]其中，所述已知硝基苯样品和所述待测硝基苯样品均为掺杂甲苯的硝基苯样品。
[0012]根据本专利技术的一种实施方式，上述根据所述已知硝基苯样品中硝基苯的质量分数及所述第一近红外透反射光谱数据，划分训练集和测试集，采用偏最小二乘法建立预测模型，选择主元数的个数，得到预测模型。
[0013]根据本专利技术的一种实施方式，采用SPXY样本划分算法划分所述划分训练集和测试集。
[0014]根据本专利技术的一种实施方式，上述预测模型的评价指标包括相关系数和均方根误差中的至少一种。
[0015]根据本专利技术的一种实施方式，上述已知硝基苯样品中硝基苯的质量分数采用气相色谱法进行标定。
[0016]根据本专利技术的一种实施方式，上述气相色谱法中气相色谱所用管柱为强极性毛细管柱。
[0017]根据本专利技术的一种实施方式，上述气相色谱法中气相色谱所用进样器为手动进样，检测器为火焰离子化检测器，每次进样量为0.4μL。
[0018]根据本专利技术的一种实施方式，上述步骤(1)中，上述划分训练集和测试集之后，还
包括对训练集光谱数据进行光谱预处理的步骤。
[0019]根据本专利技术的一种实施方式，上述评价指标还包括相对误差、霍特林T2统计量、平方和预测误差、学生化残差和杠杠统计量的计算，所得值作为所述预测模型的评价指标。
[0020]根据本专利技术的一种实施方式，上述测定硝基苯样品的第一近红外透反射光谱数据和所述测定硝基苯样品的第二近红外透反射光谱数据，参比为空气。
[0021]根据本专利技术的一种实施方式，主元数的选择方法是，当主元数达到某一值后，交叉验证均方根误差最小或随着主元数增大而保持不变。
[0022]根据本专利技术的一种实施方式，上述预测模型进行检验，上述检验过程中的评价指标为校正相关系数、交叉验证相关系数、预测相关系数、校正均方根误差、交叉验证均方根误差和预测均方根误差，相关系数越接近1，均方根误差越小，表示模型训练集的拟合和验证集的预测效果越好。
[0023]上述的相关系数和均方根误差，使用的公式为：
[0024][0025][0026]其中c为样本的质量分数的参考值，为模型对质量分数的预测值，为样本质量分数参考值的平均值，m和n分别为训练集和验证集样本个数。
[0027]根据本专利技术的一种实施方式，上述评价指标还包括：将步骤(1) 上述预测模型的预测结果和上述验证集的硝基苯质量分数进行相对误差、霍特林T2统计量、平方和预测误差、学生化残差和杠杠统计量的计算，所得值作为上述预测模型的评价指标。
[0028]上述硝基苯质量分数进行相对误差，使用的公式为:
[0029][0030]其中y
p
为模型预测值，y
m
为真值(化学值)。
[0031]上述霍特林T2统计量反映了每个主成分在变化趋势和幅值上偏离模型的程度,是对模型内部化的一种度量,它可以用来对多个主元同时进行监测。
[0032]上述平方和预测误差表示了输入变量的测量值对主元模型的偏离程度,是对模型外部变化的一种度量。
[0033]上述杠杆统计量用以判断数据点是否是高杠杆点。
[0034]上述学生化残差是残差与实验标准差的比值，用以直接判断模型预测误差服从正态分布这一假设是否成立。
[0035]根据本专利技术的一种实施方式，上述近红外光谱数据预处理和上述模型建立采用Matlab中PLS_Toolbox_89工具箱进行。
[0036]根据本专利技术的一种实施方式，上述步骤(1)中，上述将上述硝基苯样品分为训练集和验证集，采用的方法为SPXY样本划分算法
[0037]上述SPXY样本划分算法，计算样本之间距离公式为：
[0038][0039]根据本专利技术的一种实施方式，上述步骤(1)中，上述测定上述硝基苯样品的近红外光谱，参比为空气，采集波长为800
‑
2500nm。
[0040]根据本专利技术的一种实施方式，上述测定上述硝基苯样品的近红外光谱，扫描次数为10次。
[0041]根据本专利技术的一种实施方式，上述测定上述硝基苯样品的近红外光谱，仪器主机分辨率为8cm
‑1，吸光度数格式为SPA，每个样品重复扫描3次。
[0042]上述技术方案中的一个技术方案至少具有如下优点或有益效果之一：
[0043](1)本专利技术将反射探头与近红外光谱进行结合，克服了近红外光谱吸收带重叠严重的问题，并以结合了反射探头的近红外光谱对硝基苯进行检测，克服了常见硝基苯测量方法中样本前处理复杂、检测时间长、检测成本高的缺点。
[0044](2)本专利技术建模方法对硝基苯测定时，与化学分析方法相比，不需要使用有毒的化学溶剂，同时还能实现对硝基苯质量分数的快速实时原位测量。
附图说明
[0045]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0046]图1硝基苯样品原始近红外光谱图。
[0047]图2选择波长范围后硝基苯样品近红外光谱图。
[0048]图3建模流程图。
[0049]图4交叉验证均方根误差随主元数变化趋势。
[0050]图5硝基苯光谱数据霍特林T2统计量
‑
平方和预测误差统计图。
[0051]图6杠杆统计量与学生化残差的统计图。
具体实施方式
[0052]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种测量硝基苯质量分数的方法，其特征在于：包括以下步骤：测定若干份已知硝基苯样品的第一近红外透反射光谱数据，根据所述已知硝基苯样品中硝基苯的质量分数及所述第一近红外透反射光谱数据，建立预测模型；测试待测硝基苯样品的第二近红外透反射光谱数据，根据所述第二近红外透反射光谱数据及所述预测模型，得到所述待测硝基苯样品中硝基苯的质量分数；其中，所述已知硝基苯样品和所述待测硝基苯样品均为掺杂甲苯的硝基苯样品。2.根据权利要求1所述的一种测量硝基苯质量分数的方法，其特征在于：根据所述已知硝基苯样品中硝基苯的质量分数及所述第一近红外透反射光谱数据，划分训练集和测试集，采用偏最小二乘法建立预测模型，选择主元数的个数，得到预测模型。3.根据权利要求2所述的一种测量硝基苯质量分数的方法，其特征在于：采用SPXY样本划分算法划分所述划分训练集和测试集。4.根据权利要求2所述的一种测量硝基苯质量分数的方法，其特征在于：所述...

【专利技术属性】
技术研发人员：张扬，李俊杰，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：