论文部分内容阅读
甲醇汽油是一种替代传统汽油的新型燃料,其甲醇含量对甲醇汽油的品质有着显著的影响。因此,甲醇汽油中甲醇含量的检测对于甲醇汽油品质监控具有重要意义。本文基于拉曼-近红外（Raman-NIR）光谱数据融合结合化学计量学方法对甲醇汽油中甲醇含量的快速定量分析进行研究。全文共分为四章,主要研究内容为:（1）以甲醇汽油的拉曼光谱（Raman spectroscopy,Raman）为研究对象,建立了基于Raman光谱技术结合偏最小二乘法（Partial Least Squares,PLS）的甲醇汽油中甲醇含量快速定量分析方法。探究了五种光谱预处理方法（归一化（Normalization）、一阶导数（First Derivative,D1st）、多元散射校正（Multivariate Scattering Correction,MSC）、标准正态变换（Standard Normal Variation,SNV）以及小波变换（Wavelet Transform,WT））对PLS校正模型预测性能的影响;采用了五折交叉验证（5-flod CV）对模型的潜变量、输入变量以及变量重要性阈值进行了优化。结果表明,该模型具有良好的预测性能,其校正集的复相关系数(Coefficient of determination of cross-validation,R2CV)为0.9737,均方根误差（Root mean square error of cross-validation,RMSECV）为0.0311%;预测集的复相关系数（Coefficient of determination of prediction set,RP2）为0.9604,均方根误差（Root mean square error of prediction set,RMSEP）为0.0341%。该方法具有检测速度快、分析结果准确等优势,为甲醇汽油中甲醇含量的快速准确定量分析提供一种新思路与新方法。（2）以甲醇汽油的近红外光谱（Near Infrared Spectroscopy,NIR）为研究对象,建立了基于NIR光谱技术结合PLS的甲醇汽油中甲醇含量快速定量分析方法。探究了五种光谱预处理方法（Normalization、D1st、MSC、SNV以及WT）对PLS校正模型预测性能的影响。采用了5-flod CV对模型的潜变量、输入变量以及变量重要性阈值进行了优化。结果表明,该模型具有良好的预测性能,其校正集的R2CV为0.9847,RMSECV为0.0237%;预测集的RP2为0.9846,RMSEP为0.0174%。该方法具有检测速度快、分析结果准确等技术特点,可以为甲醇汽油中甲醇含量的快速准确定量分析提供一种新思路与新方法。（3）以甲醇汽油的Raman-NIR融合光谱数据为研究对象,建立了基于Raman-NIR初级和中级光谱数据融合技术结合PLS的甲醇汽油中甲醇含量快速定量分析方法。探究了四种光谱预处理方法（D1st、MSC、SNV以及WT）对基于Raman-NIR融合光谱的PLS校正模型预测性能的影响。采用了5-flod CV对模型的潜变量、输入变量以及变量重要性阈值进行了优化。其中,Normalization被用于初级数据融合策略构建,变量重要性投影（Variable Importance in Projection,VIP）被用于中级数据融合策略构建。其次,比较了基于不同输入变量的PLS校正模型的预测性能,结果表明,基于中级光谱数据融合的PLS校正模型具有更好的预测性能,其校正集的R2CV为0.9988,RMSECV为0.0068%;预测集的RP2为0.9905,RMSEP为0.0288%。与基于Raman/NIR单一光谱分析方法相比,该方法具有更加准确的分析结果,可以为甲醇汽油中甲醇含量的快速准确定量分析提供新思路与新方法。