建立了一种基于近红外光谱(Near infrared spectroscopy,NIR)结合小波变换-随机森林(Wavelet transform-Random forest,WT-RF)的用于甲醇汽油中甲醇含量快速定量分析的方法。采用傅里叶变换红外光谱仪采集54个甲醇汽油样品的光谱,并进...建立了一种基于近红外光谱(Near infrared spectroscopy,NIR)结合小波变换-随机森林(Wavelet transform-Random forest,WT-RF)的用于甲醇汽油中甲醇含量快速定量分析的方法。采用傅里叶变换红外光谱仪采集54个甲醇汽油样品的光谱,并进行光谱解析;探究不同光谱预处理方法对样品NIR光谱的处理效果,重点探究基于不同小波基函数与小波分解层数的小波变换(Wavelet transform,WT)光谱预处理效果,并通过优化变量重要性阈值筛选随机森林RF校正模型的输入变量;基于优化后的参数及输入变量,构建了甲醇汽油NIR光谱的WT-RF模型。为了进一步验证此模型的预测性能,将其与小波变换-偏最小二乘校正模型(Wavelet transform-Partial least squares,WT-PLS)和小波变换-最小二乘支持向量机校正模型(Wavelet transform-Least square support vector machine,WT-LSSVM)进行对比。结果表明,WT-RF校正模型具有最佳的预测性能,其交叉验证决定系数(Coefficient of determination of cross-validation,Rcv2)和均方根误差(Root mean square error of cross-validation,RMSECV)分别是0. 9990和0. 0044%,预测集决定系数(Coefficient of determination of prediction set,Rp2)和均方根误差(Root mean square error of prediction set,RMSEP)分别为0.9885和0.0191%。研究结果表明,NIR光谱结合WT-RF算法是一种快速准确定量分析甲醇汽油中甲醇含量的方法。展开更多
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...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。展开更多
利用近红外和拉曼光谱法定量分析了甲醇汽油中甲醇的含量,采用偏最小二乘法(partial least squares,PLS)建立甲醇的定量模型.近红外光谱法测定甲醇定量模型的预测集相关系数RP为0.998,预测均方根误差(RMSEP)为0.289%;拉曼光谱法测定甲...利用近红外和拉曼光谱法定量分析了甲醇汽油中甲醇的含量,采用偏最小二乘法(partial least squares,PLS)建立甲醇的定量模型.近红外光谱法测定甲醇定量模型的预测集相关系数RP为0.998,预测均方根误差(RMSEP)为0.289%;拉曼光谱法测定甲醇定量模型的预测集相关系数RP为0.982,预测均方根误差(RMSEP)为1.141%.实验表明,近红外与拉曼光谱技术均可用于甲醇汽油中甲醇含量的快速检测.展开更多
文摘建立了一种基于近红外光谱(Near infrared spectroscopy,NIR)结合小波变换-随机森林(Wavelet transform-Random forest,WT-RF)的用于甲醇汽油中甲醇含量快速定量分析的方法。采用傅里叶变换红外光谱仪采集54个甲醇汽油样品的光谱,并进行光谱解析;探究不同光谱预处理方法对样品NIR光谱的处理效果,重点探究基于不同小波基函数与小波分解层数的小波变换(Wavelet transform,WT)光谱预处理效果,并通过优化变量重要性阈值筛选随机森林RF校正模型的输入变量;基于优化后的参数及输入变量,构建了甲醇汽油NIR光谱的WT-RF模型。为了进一步验证此模型的预测性能,将其与小波变换-偏最小二乘校正模型(Wavelet transform-Partial least squares,WT-PLS)和小波变换-最小二乘支持向量机校正模型(Wavelet transform-Least square support vector machine,WT-LSSVM)进行对比。结果表明,WT-RF校正模型具有最佳的预测性能,其交叉验证决定系数(Coefficient of determination of cross-validation,Rcv2)和均方根误差(Root mean square error of cross-validation,RMSECV)分别是0. 9990和0. 0044%,预测集决定系数(Coefficient of determination of prediction set,Rp2)和均方根误差(Root mean square error of prediction set,RMSEP)分别为0.9885和0.0191%。研究结果表明,NIR光谱结合WT-RF算法是一种快速准确定量分析甲醇汽油中甲醇含量的方法。
文摘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。
文摘利用近红外和拉曼光谱法定量分析了甲醇汽油中甲醇的含量,采用偏最小二乘法(partial least squares,PLS)建立甲醇的定量模型.近红外光谱法测定甲醇定量模型的预测集相关系数RP为0.998,预测均方根误差(RMSEP)为0.289%;拉曼光谱法测定甲醇定量模型的预测集相关系数RP为0.982,预测均方根误差(RMSEP)为1.141%.实验表明,近红外与拉曼光谱技术均可用于甲醇汽油中甲醇含量的快速检测.
