一种预测汽油辛烷值的方法与流程

技术特征：
1.一种预测汽油辛烷值的方法，其特征在于，包括如下步骤：获取多个调和汽油样品的第一近红外光谱以及每个所述调和汽油样品的标准辛烷值；获取每个所述第一近红外光谱中的特征谱区的吸光度；将全部所述调和汽油样品的特征谱区吸光度以及全部所述调和汽油样品的标准辛烷值进行偏最小二乘多元回归分析，获得第一校正模型；根据所述第一校正模型分别选取第f个主因子对应的光谱拟合残差矩阵和辛烷值拟合残差矩阵，将所述光谱拟合残差矩阵作为极限学习机的输入信号，将所述辛烷值拟合残差矩阵作为极限学习机的教师信号，获得第二校正模型；采集待测汽油样品的第二近红外光谱；获取所述第二近红外光谱的特征谱区吸光度；根据所述第二近红外光谱的特征谱区吸光度与所述第一校正模型确定第一辛烷值预测值；根据所述第一校正模型选取所述待测汽油样品的第f个主因子对应的光谱拟合残差矩阵，根据所述光谱拟合残差矩阵与所述第二校正模型确定第二辛烷值预测值；根据所述第一辛烷值预测值和所述第二辛烷值预测值的线性组合确定所述待测汽油的预测辛烷值。2.根据权利要求1所述的方法，其特征在于，所述特征谱区为5780-7700cm-1
。3.根据权利要求1所述的方法，其特征在于，该方法还包括：根据以下式(1)或式(2)确定所述光谱拟合残差矩阵ex：ex＝ex(f)-ex(f
best
)
ꢀꢀꢀꢀ
(1)；其中ex(f)表示第一校正模型取第f个主因子时的光谱残差矩阵，ex(f
best
)表示第一校正模型取最佳主因子f
best
时的光谱残差矩阵，其中f≤f
best
；ex＝ex(f)-ex(f
best 1～n
)
ꢀꢀꢀꢀ
(2)；ex(f
best 1～n
)表示第一校正模型取最佳主因子f
best
后的1～n个主因子中的任意一个主因子的光谱残差矩阵，其中n为2-15中的整数；可选地，所述光谱拟合残差矩阵ex的个数为一个或多个。4.根据权利要求1所述的方法，其特征在于，该方法还包括：根据以下式(3)或式(4)确定所述辛烷值拟合残差矩阵ey：ey＝ey(f)-ey(f
best
)
ꢀꢀꢀꢀ
(3)；其中ey(f)表示第一校正模型取第f个主因子时的辛烷值残差矩阵，ey(f
best
)表示第一校正模型取最佳主因子f
best
时的辛烷值残差矩阵，其中f≤f
best
；ey＝ey(f)
ꢀꢀꢀꢀ
(4)；可选地，所述辛烷值拟合残差矩阵ey的个数为一个或多个。5.根据权利要求1所述的方法，其特征在于，所述的线性组合包括：将所述第一辛烷值预测值和所述第二辛烷值预测值的进行线性加和。6.根据权利要求1所述的方法，其特征在于，该方法还包括：根据所述第二光谱拟合残差矩阵与所述第二校正模型进行多次预测，取多次预测结果的平均值作为所述第二辛烷值预测值。7.根据权利要求1所述的方法，其特征在于，该方法包括：对每个所述第一近红外光谱进行二阶微分处理，得到第一微分光谱；获取每个所述第一微分光谱中的特征谱区的第一微分吸光度；将全部所述调和汽油样品的第一微分吸光度以及全部所述调和汽油样品的标准辛烷
值进行所述偏最小二乘回归分析，获得所述第一校正模型。8.根据权利要求7所述的方法，其特征在于，该方法包括：对所述第二近红外光谱进行二阶微分处理，得到第二微分光谱；获取所述第二微分光谱的特征谱区吸光度；根据所述第二微分光谱的特征谱区吸光度与所述第一校正模型确定所述第一辛烷值预测值。9.根据权利要求1所述的方法，其特征在于，所述调和汽油样品包括重整汽油、裂化汽油、烷基化汽油中的一种或多种。10.根据权利要求7或8所述的方法，其特征在于，所述二阶微分处理的窗口宽度为25。

技术总结
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。进一步提高辛烷值预测结果的精准度。进一步提高辛烷值预测结果的精准度。


技术研发人员：王海朋 褚小立 李敬岩 陈瀑 刘丹 许育鹏
受保护的技术使用者：中国石油化工股份有限公司石油化工科学研究院
技术研发日：2021.06.02
技术公布日：2022/12/5