-
公开(公告)号:CN115656095B
公开(公告)日:2024-10-11
申请号:CN202110767663.6
申请日:2021-07-07
Applicant: 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
IPC: G01N21/359 , G01N21/3577
Abstract: 本公开涉及一种预测汽油辛烷值的方法,该方法采用高斯混合模型算法对调和汽油样品进行无监督精细聚类,在最佳聚类条件下对每个子类的光谱差值集以及辛烷值差值集建模得到每个子类对应的dPLS校正子模型,采用分类建模的方法可以使dPLS校正子模型精度更高;本公开在对待测样品的辛烷值预测过程中,采用归属的目标子类的dPLS校正模型进行辛烷值差值预测,最终根据标准辛烷值以及辛烷值差值预测值得到待测样品的预测辛烷值,可以充分考虑汽油调和过程的中样品数据在时间序列上的分布特性,能更好缓解调和汽油近红外光谱与辛烷值之间的非线性,具有更高的预测精度。
-
公开(公告)号:CN115656095A
公开(公告)日:2023-01-31
申请号:CN202110767663.6
申请日:2021-07-07
Applicant: 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
IPC: G01N21/359 , G01N21/3577
Abstract: 本公开涉及一种预测汽油辛烷值的方法,该方法采用高斯混合模型算法对调和汽油样品进行无监督精细聚类,在最佳聚类条件下对每个子类的光谱差值集以及辛烷值差值集建模得到每个子类对应的dPLS校正子模型,采用分类建模的方法可以使dPLS校正子模型精度更高;本公开在对待测样品的辛烷值预测过程中,采用归属的目标子类的dPLS校正模型进行辛烷值差值预测,最终根据标准辛烷值以及辛烷值差值预测值得到待测样品的预测辛烷值,可以充分考虑汽油调和过程的中样品数据在时间序列上的分布特性,能更好缓解调和汽油近红外光谱与辛烷值之间的非线性,具有更高的预测精度。
-
公开(公告)号:CN116008216A
公开(公告)日:2023-04-25
申请号:CN202111233019.7
申请日:2021-10-22
Applicant: 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
IPC: G01N21/3577 , G01N21/359 , G06F17/18
Abstract: 本申请提供一种检测油液掺混的方法及设备。该方法包括:获取待测油液样本的近红外光谱;从该待测油液样本的近红外光谱获取特征谱区吸光度;以及根据该特征谱区吸光度及预先建立的判别分析模型,确定所述待测油液样本的类别,其中所述判别分析模型根据第一油液与第二油液的多个样本的近红外光谱及其掺混比例、特征谱区吸光度而被生成。该方案可基于已知第一油液和第二油液的样本的近红外光谱合成的掺混光谱来构建判别分析模型,故而在已知样本典型、充足的情况下,能够利用其光谱合成掺混任意比例第一油液光谱的第二油液光谱,从而模拟了掺混有不同第一油液比例的第二油液光谱。相比于直接收集掺混油液的样本而建立模型的方法,该方法更可靠、简便。
-
公开(公告)号:CN115436317A
公开(公告)日:2022-12-06
申请号:CN202110615763.7
申请日:2021-06-02
Applicant: 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
IPC: G01N21/359 , G01N21/3577 , G06N3/04 , G06N3/08
Abstract: 本公开涉及一种预测汽油辛烷值的方法,将调和汽油样品的第一近红外光谱与标准辛烷值进行偏最小二乘多元回归分析,建立第一校正模型;然后根据第一校正模型的构建过程选取光谱拟合残差矩阵和辛烷值拟合残差矩阵,并分别作为极限学习机的输入信号和教师信号,获得第二校正模型,通过第一校正模型和第二校正模型的组合应用可以综合考虑调和汽油样品的第一近红外光谱与辛烷值之间的线性关系以及非线性关系,具有较宽范围的辛烷值预测能力,提高模型预测精度;并且在第一模型构建过程中选择特征谱区吸光度与标准辛烷值进行回归分析,可以进一步提高辛烷值预测结果的精准度。
-
公开(公告)号:CN116067905A
公开(公告)日:2023-05-05
申请号:CN202111233116.6
申请日:2021-10-22
Applicant: 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
IPC: G01N21/35 , G01N21/3577 , G01N21/359 , G06F17/16 , G06F17/18 , G06F18/241 , G06F18/25
Abstract: 本申请提供一种检测油液掺混的方法及设备。该方法包括:获取待测油液样本的近红外光谱和中红外光谱组成的近红外‑中红外融合光谱;获取所述近红外‑中红外融合光谱的近红外特征谱区吸光度和中红外特征谱区吸光度;以及根据所述近红外‑中红外融合光谱的近红外特征谱区吸光度和中红外特征谱区吸光度及预先建立的判别分析模型,确定所述待测油液样本的类别,其中所述判别分析模型根据第一油液与第二油液的多个样本的近红外‑中红外融合光谱及其掺混比例、近红外特征谱区吸光度和中红外特征谱区吸光度而被生成。
-
-
-
-