一種原油光譜性質(zhì)的非線性建模方法
【專利摘要】本發(fā)明公開(kāi)了一種原油光譜性質(zhì)的非線性建模方法，該方法面向煉化企業(yè)，以近紅外光譜數(shù)據(jù)庫(kù)及對(duì)應(yīng)的原油性質(zhì)數(shù)據(jù)庫(kù)為基礎(chǔ)，首先采用基線校正、截取和矢量歸一化方法對(duì)光譜庫(kù)原油和待測(cè)原油進(jìn)行光譜預(yù)處理，然后對(duì)所有譜圖采用單層小波變換以提取光譜特征，再對(duì)光譜庫(kù)原油進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，最終根據(jù)訓(xùn)練結(jié)果和待測(cè)原油譜圖數(shù)據(jù)進(jìn)行原油性質(zhì)的預(yù)測(cè)。與普通線性建模方法相比，該方法在原油的氮含量和質(zhì)量收率等性質(zhì)預(yù)測(cè)方面，預(yù)測(cè)精度有明顯提高。
【專利說(shuō)明】
一種原油光譜性質(zhì)的非線性建模方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及石油化工領(lǐng)域的原油性質(zhì)檢測(cè)方面，具體是一種原油光譜性質(zhì)的非線 性建模方法。
【背景技術(shù)】
[0002] 當(dāng)前，近紅外光譜結(jié)合恰當(dāng)?shù)慕＜夹g(shù)，廣泛應(yīng)用于原油以及石油產(chǎn)品性質(zhì)的快 速檢測(cè)。這些建模技術(shù)，可以大致分為兩類，一類是線性建模方法，包括多元線性回歸、主成 分回歸、偏最小二乘(PLS)等多種;另一類是非線性建模方法，以人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī) 等方法為代表。
[0003] 在原油性質(zhì)檢測(cè)中，氮含量、質(zhì)量收率等性質(zhì)與近紅外光譜之間存在著較強(qiáng)的非 線性關(guān)系，如果僅采用線性建模方法預(yù)測(cè)該性質(zhì)，會(huì)導(dǎo)致預(yù)測(cè)精度不足。鑒于上述原因，考 慮采用非線性建模方法，有望克服非線性因素帶來(lái)的預(yù)測(cè)誤差，提高原油性質(zhì)的預(yù)測(cè)精度。

【發(fā)明內(nèi)容】

[0004] 由于原油部分性質(zhì)與其近紅外光譜之間存在非線性關(guān)系，使用單一的線性建模方 法，難以滿足煉化企業(yè)對(duì)原油性質(zhì)分析準(zhǔn)確性的要求。針對(duì)該問(wèn)題，本發(fā)明提出了一種原油 光譜性質(zhì)的非線性建模方法。
[0005] 本發(fā)明采用以下的技術(shù)方案：
[0006] 本發(fā)明基于原油近紅外譜圖，首先對(duì)光譜庫(kù)原油和待測(cè)原油進(jìn)行光譜預(yù)處理，包 括基線校正、截取和矢量歸一化，然后再對(duì)譜圖進(jìn)行單層小波變換，提取出小波變換后的低 頻系數(shù)并重構(gòu)。將處理好的光譜庫(kù)原油數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)輸入，每個(gè)譜圖對(duì)應(yīng)油樣的性質(zhì) (氮含量或者質(zhì)量收率)作為網(wǎng)絡(luò)輸出。訓(xùn)練完成后即可對(duì)待測(cè)原油進(jìn)行性質(zhì)預(yù)測(cè)。
[0007] 優(yōu)選的，本方法選取6400CHT1和9200CHT1兩波數(shù)點(diǎn)作為基線校正的兩基點(diǎn)。通過(guò)下 式計(jì)算：
[0008] /i=y.-{kxj +b)
[0009] 式中，Xi為原油在近紅外光譜區(qū)的波數(shù);kxi+b為過(guò)6400CHT1和9200CHT1兩點(diǎn)的直線 方程，其中k為該直線斜率，b為該直線截距;yi表示原譜圖在波數(shù)Xl下的吸光度;i表示基線 校正后譜圖在波數(shù) Xl下的吸光度。
[0010] 測(cè)試發(fā)現(xiàn)，原油近紅外譜圖在低頻與高頻區(qū)均含有大量噪聲。因此，優(yōu)選的，本方 法截取4000CHT1~4800CHT 1波數(shù)段內(nèi)的譜圖來(lái)建模。
[0011] 優(yōu)選的，本方法在對(duì)譜圖進(jìn)行矢量歸一化時(shí)，采用下式計(jì)算
[0013]式中，是指第i個(gè)樣本在波數(shù)j下的吸光度;足指第i個(gè)樣本的吸光度平均值;m是 波數(shù)點(diǎn)的個(gè)數(shù);xy表示矢量歸一化之后的第i個(gè)樣本在波數(shù)j下的吸光度。
[0014]優(yōu)選的，本發(fā)明使用帶動(dòng)量項(xiàng)的反向傳播(BP)神經(jīng)網(wǎng)絡(luò)算法建立模型。
[0015]為進(jìn)一步去除光譜噪聲，使用一階Daubechies小波對(duì)譜圖進(jìn)行單層離散小波變 換，得到低頻系數(shù)和高頻系數(shù)。舍棄高頻系數(shù)，采用低頻系數(shù)再重構(gòu)以去除噪聲。重構(gòu)后的 光譜數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入。
[0016]優(yōu)選的，本方法中，BP神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)設(shè)置為：
[0018]式中，n為樣本庫(kù)的油樣個(gè)數(shù);j>,指樣本庫(kù)中第i個(gè)樣本的性質(zhì)訓(xùn)練值;yi指樣本庫(kù) 中第i個(gè)樣本的性質(zhì)真實(shí)值。
[0019]優(yōu)選的，本方法所預(yù)測(cè)的性質(zhì)包括氮含量和質(zhì)量收率。
[0020]本發(fā)明對(duì)于最終結(jié)果的評(píng)價(jià)依據(jù)均方根誤差，即RMSE。均方根誤差在工程測(cè)量中 被廣泛采用，它對(duì)一組測(cè)量中的特大或特小誤差反映非常敏感，因此能夠很好地反映出測(cè) 量的精度，而且能綜合衡量一組觀測(cè)值同真值之間的偏差。RMSE通過(guò)下式計(jì)算：
[0022]式中，np為待測(cè)原油的個(gè)數(shù);矣指第i個(gè)待測(cè)原油的性質(zhì)預(yù)測(cè)值;Xl指第i個(gè)待測(cè)原 油的性質(zhì)真實(shí)值。RMSE值越小，說(shuō)明預(yù)測(cè)的精確度越高，預(yù)測(cè)效果越好。
[0023] 有益效果：
[0024] 本發(fā)明所提供的檢測(cè)方法基于原油近紅外光譜，采用小波變換結(jié)合神經(jīng)網(wǎng)絡(luò)技 術(shù)，實(shí)現(xiàn)原油非線性性質(zhì)的快速檢測(cè)。與一般的線性建模方法相比，本方法能快速并更加準(zhǔn) 確預(yù)測(cè)原油性質(zhì)，有助于煉化企業(yè)的原油在線調(diào)合控制，進(jìn)而提高企業(yè)的經(jīng)濟(jì)效益。
【附圖說(shuō)明】
[0025] 圖1待測(cè)原油性質(zhì)快速預(yù)測(cè)過(guò)程框圖。
[0026] 圖 2(a)是待測(cè)原油樣本 JLPEC_SRS_101210_0000_3 在4000cm-1 ~4800cm-1 波數(shù)段 內(nèi)的近紅外光譜譜圖。
[0027] 圖 2(b)是待測(cè)原油樣本 JLPEC_SUB_100810_1410_3 在4000cm-1 ~4800cm-1 波數(shù)段 內(nèi)的近紅外光譜譜圖。
[0028] 圖 2(c)是待測(cè)原油樣本 MPEC02_NAP_140726_0900_140815_1117_3 在4000cm-1 ~ 4800CHT1波數(shù)段內(nèi)的近紅外光譜譜圖。
[0029] 圖 2(d)是待測(cè)原油樣本 MPEC02_SRA_130801_1200_140326_1321_3 在4000cm-1 ~ 4800CHT1波數(shù)段內(nèi)的近紅外光譜譜圖。
[0030] 具體實(shí)施過(guò)程
[0031] 下面結(jié)合附圖和實(shí)施案例，給出詳細(xì)的計(jì)算過(guò)程和具體操作流程。實(shí)施例中的光 譜庫(kù)采用國(guó)際通用的INTERTEK原油光譜庫(kù)（采用其他標(biāo)準(zhǔn)原油光譜庫(kù)也可以達(dá)到相同結(jié) 果），該光譜庫(kù)內(nèi)含近1300種世界各地的原油光譜數(shù)據(jù)。本實(shí)施例在以本發(fā)明技術(shù)方案為前 提下進(jìn)行實(shí)施，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。
[0032] 如圖1所示，以氮含量的性質(zhì)預(yù)測(cè)為例，具體實(shí)施過(guò)程如下：
[0033] 1)采集待測(cè)原油油樣，共4個(gè)，經(jīng)近紅外光譜儀掃描，得到待測(cè)原油的近紅外光譜 圖，如圖2(a)、2(b)、2(c)、2(d)所示。
[0034] 2)對(duì)待測(cè)原油以及光譜庫(kù)原油的譜圖進(jìn)行預(yù)處理。
[0035] 3)使用Matlab工具箱中的dwt函數(shù)對(duì)待測(cè)原油以及光譜庫(kù)原油進(jìn)行單層小波變 換，得到變換后的低頻光譜數(shù)據(jù)，再使用upcoef?函數(shù)對(duì)變換后的低頻系數(shù)進(jìn)行重構(gòu)。
[0036] 4)將變換后的光譜庫(kù)原油數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)，光譜庫(kù)原油的氮含量值作為訓(xùn)練 輸出。BP網(wǎng)絡(luò)結(jié)構(gòu)選擇單隱層，隱層節(jié)點(diǎn)數(shù)25,輸出節(jié)點(diǎn)數(shù)1。參數(shù)設(shè)置如下:迭代最大周期 數(shù)100,學(xué)習(xí)速率0.01，動(dòng)量因子0.1，訓(xùn)練目標(biāo)0.08。表1為訓(xùn)練過(guò)程中目標(biāo)函數(shù)E的變化情 況。
[0037]表1訓(xùn)練過(guò)程中目標(biāo)函數(shù)E的變化情況
[0039] 5)利用訓(xùn)練后的網(wǎng)絡(luò)權(quán)值和閾值矩陣，以及變換后的待測(cè)光譜數(shù)據(jù)計(jì)算待測(cè)原油 的性質(zhì)值。表2為待測(cè)原油的氮含量性質(zhì)預(yù)測(cè)結(jié)果。
[0040]表2待測(cè)原油的氮含量性質(zhì)預(yù)測(cè)結(jié)果
[0043]為了對(duì)比，將變換后的光譜庫(kù)光譜數(shù)據(jù)建立PLS模型，得到擬合系數(shù)，利用該擬合 系數(shù)，以及變換后的待測(cè)原油光譜數(shù)據(jù)計(jì)算待測(cè)原油的氮含量。表3為PLS方法下待測(cè)原油 的氮含量性質(zhì)預(yù)測(cè)結(jié)果。
[0044]表3 PLS方法下待測(cè)原油的氮含量性質(zhì)預(yù)測(cè)結(jié)果
[0045]
[0046] 對(duì)比表2和表3,可以發(fā)現(xiàn)，相比于PLS建模預(yù)測(cè)的結(jié)果，使用本方法預(yù)測(cè)的原油氮 含量的預(yù)測(cè)誤差均有所降低，預(yù)測(cè)結(jié)果的均方根誤差RMSE從0.1171減小到0.0869。
[0047] 本案例也采用同樣方法預(yù)測(cè)了待測(cè)原油在200°C~250°C下的質(zhì)量收率(W_200_ 250)，并與PLS建模結(jié)果作了對(duì)比。表4為待測(cè)原油的W_200-250性質(zhì)預(yù)測(cè)結(jié)果。
[0048] 表4待測(cè)原油的W_200-250性質(zhì)預(yù)測(cè)結(jié)果
[0050]表5為PLS方法下待測(cè)原油的W_200-250性質(zhì)預(yù)測(cè)結(jié)果。
[00511表5 PLS方法下待測(cè)原油的W_200-250性質(zhì)預(yù)測(cè)結(jié)果
[0054] 對(duì)比表4和表5，相比于PLS建模預(yù)測(cè)的結(jié)果，使用本方法預(yù)測(cè)200 °C~250 °C下的質(zhì) 量收率的預(yù)測(cè)誤差也有所減小，均方根誤差RMSE從1.68減小到1.22。
[0055]以上實(shí)施例僅用于說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明保護(hù)范圍的限制，盡管 參照較佳實(shí)施例對(duì)本發(fā)明作了詳細(xì)地說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā) 明的技術(shù)方案進(jìn)行修改或等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。
【主權(quán)項(xiàng)】
1. 一種原油光譜性質(zhì)的非線性建模方法，其特征在于該方法包括如下步驟： 1) 基于原油近紅外光譜圖，首先對(duì)光譜庫(kù)原油和待測(cè)原油進(jìn)行光譜預(yù)處理，所述光譜 預(yù)處理包括基線校正、截取和矢量歸一化； 2) 對(duì)處理后的譜圖進(jìn)行單層小波變換，提取出小波變換后的低頻系數(shù)并重構(gòu)； 3) 將處理好的光譜庫(kù)原油數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)輸入，原油的性質(zhì)作為網(wǎng)絡(luò)輸出，訓(xùn)練完 成后即可對(duì)待測(cè)原油進(jìn)行性質(zhì)預(yù)測(cè)。2. 根據(jù)權(quán)利要求1所述的一種原油光譜性質(zhì)的非線性建模方法，其特征在于所述基線 校正的兩基點(diǎn)選取6400cnfi和9200cnf 1兩波數(shù)點(diǎn)，基線校正通過(guò)下式計(jì)算：式中，Xi為原油在近紅外光譜區(qū)的波數(shù);kxi+b為過(guò)譜圖中6400cnfi和9200cnfi兩波數(shù)點(diǎn) 的直線方程，其中k為該直線斜率，b為該直線截距;yi表示原譜圖在波數(shù)Xi下的吸光度;義表 示基線校正后譜圖在波數(shù)Xi下的吸光度。3. 根據(jù)權(quán)利要求1所述的一種原油光譜性質(zhì)的非線性建模方法，其特征在于所述的非 線性建模方法截取4000cnfi~4800cnfi內(nèi)的譜圖來(lái)建模。4. 根據(jù)權(quán)利要求1所述的一種原油光譜性質(zhì)的非線性建模方法，其特征在于對(duì)譜圖進(jìn) 行矢量歸一化時(shí)，通過(guò)下式計(jì)算：式中，Xu是指第i個(gè)樣本在波數(shù)j下的吸光度;X指第i個(gè)樣本的吸光度平均值;m是波數(shù) 點(diǎn)的個(gè)數(shù);Xi/表示矢量歸一化之后的第i個(gè)樣本在波數(shù)j下的吸光度。5. 根據(jù)權(quán)利要求1所述的一種原油光譜性質(zhì)的非線性建模方法，其特征在于本方法使 用一階化Ubechies小波函數(shù)來(lái)實(shí)現(xiàn)單層小波變換，W提取出小波變換后的低頻系數(shù)。6. 根據(jù)權(quán)利要求1所述的一種原油光譜性質(zhì)的非線性建模方法，其特征在于該方法使 用帶動(dòng)量項(xiàng)的反向傳播神經(jīng)網(wǎng)絡(luò)算法建立模型，網(wǎng)絡(luò)的輸出為原油的性質(zhì)數(shù)據(jù)。7. 根據(jù)權(quán)利要求6所述的一種原油光譜性質(zhì)的非線性建模方法，其特征在于該方法在 采用反向傳播神經(jīng)網(wǎng)絡(luò)算法計(jì)算原油的性質(zhì)數(shù)據(jù)時(shí)，目標(biāo)函數(shù)E設(shè)置為：式中，n為樣本庫(kù)的油樣個(gè)數(shù);爲(wèi)指樣本庫(kù)中第i個(gè)樣本的性質(zhì)訓(xùn)練值;yi指樣本庫(kù)中第i 個(gè)樣本的性質(zhì)真實(shí)值。8. 根據(jù)權(quán)利要求1所述的一種原油光譜性質(zhì)的非線性建模方法，其特征在于所述原油 的性質(zhì)數(shù)據(jù)包括氮含量數(shù)據(jù)和質(zhì)量收率數(shù)據(jù)。
【文檔編號(hào)】G01N21/359GK105911016SQ201610211481
【公開(kāi)日】2016年8月31日
【申請(qǐng)日】2016年4月6日
【發(fā)明人】陳夕松, 杜瞇, 吳滬寧, 梅彬
【申請(qǐng)人】南京富島信息工程有限公司