近红外光谱分析原油中水分和硫含量模型的建立及验证
来源期刊:理化检验-化学分册2020年第6期
论文作者:程欲晓 张继东 邵敏 金樱华 顾中怡 郭争云
文章页码:621 - 626
关键词:近红外光谱;分析模型;水分含量;硫含量;原油;
摘 要:取原油样品120个,分别按照GB/T 11133-2015和GB/T 17040-2008中所述方法测定了上述原油样品中的水分和硫的含量。通过优化的近红外光谱(NIRS)条件采集了上述原油样品的NIR光谱图。采用杠杆值算法剔除4个异常样品。在建立水分含量分析模型时,采用的条件为:用Savitzky-Golay法对光谱进行滤波预处理,建模光谱区间为6 200~8 200cm-1,主成分数为6,用偏最小二乘回归法(PLS)交叉验证建立分析模型。硫含量分析模型的建立条件为:采用二阶导数-Norris Derivative对光谱进行预处理,建模光谱区间为4 400~4 700cm-1,主成分数为6,用PLS交叉验证建立分析模型。水分和硫含量模型的预测值与测定值的相关性较好。水分模型的决定系数(R2c)为0.989 9,校正标准偏差(RMSEC)为0.084 2,说明其预测效果较好,可用于原油中水分含量的预测。硫含量模型的R2c为0.996 3,RESEC为0.069 6,说明此模型的预测效果也较好,可用原油中硫含量的预测。应用所建立的两个模型对10个未知原油样品中水分和硫含量进行了预测,并与其测定值比较,结果表明两者之间的相对偏差均小于10%。
程欲晓,张继东,邵敏,金樱华,顾中怡,郭争云
上海海关工业品与原材料检测技术中心
摘 要:取原油样品120个,分别按照GB/T 11133-2015和GB/T 17040-2008中所述方法测定了上述原油样品中的水分和硫的含量。通过优化的近红外光谱(NIRS)条件采集了上述原油样品的NIR光谱图。采用杠杆值算法剔除4个异常样品。在建立水分含量分析模型时,采用的条件为:用Savitzky-Golay法对光谱进行滤波预处理,建模光谱区间为6 200~8 200cm-1,主成分数为6,用偏最小二乘回归法(PLS)交叉验证建立分析模型。硫含量分析模型的建立条件为:采用二阶导数-Norris Derivative对光谱进行预处理,建模光谱区间为4 400~4 700cm-1,主成分数为6,用PLS交叉验证建立分析模型。水分和硫含量模型的预测值与测定值的相关性较好。水分模型的决定系数(R2c)为0.989 9,校正标准偏差(RMSEC)为0.084 2,说明其预测效果较好,可用于原油中水分含量的预测。硫含量模型的R2c为0.996 3,RESEC为0.069 6,说明此模型的预测效果也较好,可用原油中硫含量的预测。应用所建立的两个模型对10个未知原油样品中水分和硫含量进行了预测,并与其测定值比较,结果表明两者之间的相对偏差均小于10%。
关键词:近红外光谱;分析模型;水分含量;硫含量;原油;