近红外光谱分析技术的广泛应用推动了成品油性质检测技术的快速发展,建立一个预测精度高、可靠性高、稳定性好的检测模型是近红外检测技术的首要目标。为实现这一目标,本文设计了基于近红外光谱的成品油性质检测算法,针对模型的预测精度和结果可靠性问题进行深入研究。本文的第一章综述了课题研究背景,以及成品油性质检测的研究现状;第二章首先介绍偏最小二乘法的基本原理,给出了基于偏最小二乘法的成品油性质检测方法流程,主要包括采集近红外光谱、选择特征谱段、光谱预处理、选择相似样本、建立偏最小二乘模型、性质预测和结果分析七个部分;最后对检测过程中存在的问题进行分析。第三章设计了基于主成分分析以及性质间相关性分析的校正集异常样本剔除方法,分析异常样本对模型预测精度的影响,介绍主成分分析的基本原理,给出校正集异常样本剔除方法的详细步骤,并以某炼化企业93#汽油研究法辛烷值的检测为案例,对样本的异常原因做出了详细分析。第四章首先分析成品油性质检测精度的影响因素,包括温度和噪声干扰等;设计了基于光谱温度修正的检测精度提升方法,介绍基于分段直接标准化算法的光谱转移函数构造过程,以某炼化企业95#汽油研究法辛烷值的检测为案例,给出详尽分析;另外,设计了基于离散小波变换和快速傅里叶变换算法的检测精度提升方法,介绍离散小波变换和快速傅里叶变换的基本原理,给出基于离散小波变换和快速傅里叶变换算法成品油性质检测方法的详细步骤,并给出了某炼化企业95#汽油研究法辛烷值的检测案例及分析。第五章设计了基于样本分布集中度和模型预测能力的成品油性质检测结果可信度评价方法,介绍常用检测模型的评价指标,给出成品油性质检测结果可信度评价方法的详细步骤,并以某炼化企业95#汽油研究法辛烷值的检测为案例,做出详细分析。根据实验结果分析,本文设计的基于近红外光谱的成品油性质检测算法,能够满足模型预测精度高、结果可靠性高的要求,为炼化企业提升了经济效益。