基于PLS投影分析的光谱波段选择方法

光谱测量数据需要对其进行波长选择以提高模型预测精度和简化模型。文章提出了一种基于PLS投影相关系数的快速、准确的波段选择方法,它计算某波长点光谱数据对待测组分浓度向量的影响时,考虑了该波长点光谱数据的变化量与光谱PLS回归系数向量在该波长点的投影分量的共同影响。与传统相关系数方法想比较,该方法明显地改善了分析模型的稳健性并大幅度地压缩了建模所需的波长点数。对208个汽油样本的实验表明,经过PLS投影相关系数方法进行光谱波段选择后的光谱波长点数占全谱的比例下降至30%,交互验证均方根偏差(root mean square error of cross validation,RMSECV)由未经过波长选择时的0.44降至0.34。该方法可广泛应用于各类光谱定量分析中的波长选择与数据压缩。

结合异常样本检测的汽油族组成拉曼光谱分析

汽油族组成不仅决定了汽油品质,同时直接关系到燃烧尾气对环境的影响。文章成功地将拉曼光谱分析技术应用于汽油族组成的定量分析。通过对校正集进行异常样本检测,剔除个别异常样本,有效地提高了偏最小二乘的模型精度,得到了较好的预测效果。芳烃含量、烯烃含量和氧含量的标准预测误差分别达到了0.23,0.52和0.143,其预测复相关系数分别达到了0.987,0.927和0.971。实验结果表明:采用拉曼光谱分析技术可以有效的解决汽油族组成的定量分析问题,其分析精度显著高于近红外光谱法与多维气相色谱法;同时也适用于汽油生产过程中的在线分析。

近红外光谱的甲醇汽油定量分析

随着汽油价格的不断升高,甲醇汽油作为一种替代车用燃料受到越来越多的重视。工业甲醇产量大,价格便宜,辛烷值高,将其以一定比例与汽油混合后,可以提高汽油标号,降低成本。但是由于甲醇热值低,甲醇汽油中的甲醇比例必须受到严格控制,不然会影响车辆动力性能。本文研究了采用近红外光谱分析技术定量分析甲醇汽油中的甲醇含量。首先对光谱数据进行多项式一阶微分和标准正态变换,得到预处理谱图;其次选取(1370～1450)nm的光谱数据,对其进行PCA主元特征提取,并利用第一主元和第二主元对甲醇汽油和成品汽油进行分类;最后,选取(1100～1650)nm的光谱数据采用偏最小二乘(PLS)方法对甲醇含量建立定量分析模型。采用上述方法对24个实验室配制的甲醇汽油样品进行定量分析,实验结果表明,近红外光谱分析技术可以准确测量甲醇汽油中的甲醇含量,其交叉检验均方误差误差(Standard Error of Cross Validation,SECV)为0.62(%,v/v),可以满足大部分甲醇汽油生产企业的实际检测需求。本文的最后部分讨论了光谱不同波段对模型精度的影响,结果表明,光谱1350～1650nm波段包含了更加丰富的甲醇含量信息,但是采用全谱建立模型和经过波段选择后建立的模型交叉检验精度相差不大。