柴油近红外光谱的独立分量分析方法

摘要：

将新兴的多变量分析工具--独立分量分析(ICA)应用到石化行业中,分析柴油的十六烷值和密度、组分中芳烃含量与其近红外光谱之间的关系.ICA方法用于提取柴油近红外光谱数据矩阵的独立成分和相应的混合矩阵,再用BP神经网络对混合矩阵和十六烷值、芳烃含量以及密度进行回归分析,提出了新的柴油组分含量测定和特性分析的基于独立分量分析-神经网络回归(ICA-NNR)的近红外光谱分析方法.通过分析独立分量数和网络中间隐层的神经元数对模型性能的影响,分别建立柴油组分含量测定模型和密度特性的关联模型.结果表明,该方法用于实测的柴油样品近红外光谱数据的处理,测试样品集的标准方法测定值与所建模型预测值的相关性及相对误差均优于现行常用的PLS、PCR等方法.基于ICA-NNR的近红外光谱分析方法对石化行业中油品的组分及物理特性分析具有很好的可行性.

关键词：独立分量分析、人工神经网络、近红外光谱、柴油

所属期刊栏目：24

分类号：O657.33;TE622.1(分析化学)

资助基金：浙江省科技厅重点项目2006C21044

在线出版日期：2009-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：726-732