论文部分内容阅读
摘要：目前，近红外光谱技术在石油石化行业得到广泛应用，主要应用于汽油的各性质分析中，在初期使用中，重复性、准确性能均达到实验要求，但运行一段时间后，由于各方面因素影响，与传统方法相比，会超差，影响近红外技术的应用与普及。通过一些管理手段加强实验室质量管理，提高近红外分析汽油性质的准确性。
关键词：汽油;近红外;准确性
前言
近年来，近红外光谱法作为一种快速分析方法，已广泛应用于石油化工领域。汽油是石油化工领域重要石油产品之一。汽油性质主要包括：研究法辛烷值、密度、饱和蒸气压、烯烃、馏程、组成等。近红外技术是通过物质对近红外的吸收而建立起来的一种快速分析方法。此方法具有分析速度快、无损、样品无须预处理，可同时测定多个性质。对于汽油样品，通过采集30个以上样品的光谱数据，以传统方法数据为基础，利用偏最小二乘法和主成分分析法建立近红外光谱与汽油样品性质之间的分析模型，并对模型进行验证。通过马氏距离判异、定期与人工数据比对、用质控样品进行期间核查等手段加强数据质量管理，提高近红外分析汽油性质的准确性。
1实验部分
1.1 仪器、型号和相关器具
近红外光谱仪：近红外光谱仪采用ABB公司MB3600型近红外光谱仪，并配套自动进样器。
计算机：配置富岛油品性质检测软件，具有NIR光谱数据的收集、存储、检测等功能，能够建立可靠的校正模型。
1.2 工作参数及试验条件
近红外光谱仪首次投入使用或仪器进行维护/ 维修后，应对仪器进行校准，测定前应按要求对仪器进行预热和自检测试。谱图扫描基本参数见表1。
1.3 实验样品：汽油
1.4 样品光谱的测量
1.5 人工传统数据的测定
人工传统数据采用以下方法进行测试：
GB/T5487汽油辛烷值的测定研究法
GB/T6536石油产品常压蒸馏特性测定法
GB/T30519汽油中烃族组成测定法
SH/T0604原油和石油产品密度测定法（U形振动管法）
GB/T8017石油产品蒸气压的测定雷德法
1.6 实验过程
模型建立：采用适合汽油光谱的预处理方法和波数范围，对不少于30个汽油样品进行谱图扫描，将人工传统数据结果输入系统，通过建模样本数据的优化选择，光谱数据处理，建立适用于汽油性质预测的近红外模型。采用配置好的模型，选取部分样品进行动态预测，对模型进行校正，调整参数，获得高质量的模型。
样品测试：将进样针插入样品瓶中，待仪器充分置换后，采集光谱，通过模型自动预测结果。
1.7 数据结果
对27个汽油进行测试.
从27个样品的测试结果可以看出，采用近红外方法测试与传统分析方法相比较，结果都符合传统方法分析的重复性要求。
2讨论
2.1 异常数据发现
采用近红外分析汽油性质，在初期使用中，重复性、准确性能均达到实验要求，但运行一段时间后，由于环境因素、仪器自身不稳定、被测样本自身所引起的奇异光谱等因素影响，会发生数据异常。异常数据定义为近红外分析结果超马氏距离、人工分析与近红外测试结果超差。
马氏距离判异定义为：异常样本光谱与普通样本光谱有显著的偏差，即明显偏离样本总体分布。近红外检测待测样品时，其相对马氏距离大于设定值时，会发生样品结果异常。马氏距离异常可能包括但不限于以下几个方面：
——待测样品与校正集中其他样品相比，含有极端组成，光谱不具有代表性，远离模型整体样品的平均光谱;
——性质值超出该仪器校正模型范围;
——选择了错误的校正模型;
——样品杂质过多;
——光谱扫描过程中样品发生了位移导致光谱测量误差较大。
如何发现异常数据，一是通过在软件上设置马氏距离，进行马氏距离判异;二是定期进行人工传统分析，对人工数据与近红外比對数据进行汇总，检查是否超过方法的重复性，并对超差原因进行分析。
2.2 异常数据的处理
出现异常数据两种情况，首先要及时进行人工复测，保证数据准确;其次，如果超出前期数据收集范围导致超差，要及时进行模型调整。一般，装置工艺调整参数时，会出现大量异常数据，此种情况，暂不替代，采用人工分析，待数据模型扩充后，数据偏差不大的情况再进行替代。
2.3 要加强质量控制，纳入质控计划。
当不能判断样品异常，还是系统异常，可通过保留一组数据性质差异较大的稳定样品，作为质控样品，延长保存时间，定期分析，与原有数据进行比对，作为对整个系统的期间核查，判断样品异常还是系统异常。如有超差，说明系统异常，查明原因，并采取有效措施进行改进。
3结论
通过及时发现异常数据（马氏距离判异、定期与人工数据比对），及时对异常数据处理，用质控样品进行期间核查等手段保证了近红外分析汽油性质的准确性。
参考文献：
[1] 吴艳萍，李国梁，陆婉珍，等.近红外光谱快速测定轻质油品馏程及蒸汽压[J].石油炼制与化工，2002，33（5）：57-61
[2] 张伟红，陈国强.近红外光谱快速测定催化汽油辛烷值及族组成[J].乌石化科技，2003，（3）：34-36
[3] 褚小立，袁洪福，纪长青，等.近红外光谱快速测定重整汽油详细族组成[J].石油化工，2001，30（11）：866-870
[4] 周学秋，刘旭，吴严巍，等.傅里叶变换近红外过程分析技术在中国的应用[J].光谱学与光谱分析，2006，26（7）：155-158
关键词：汽油;近红外;准确性
前言
近年来，近红外光谱法作为一种快速分析方法，已广泛应用于石油化工领域。汽油是石油化工领域重要石油产品之一。汽油性质主要包括：研究法辛烷值、密度、饱和蒸气压、烯烃、馏程、组成等。近红外技术是通过物质对近红外的吸收而建立起来的一种快速分析方法。此方法具有分析速度快、无损、样品无须预处理，可同时测定多个性质。对于汽油样品，通过采集30个以上样品的光谱数据，以传统方法数据为基础，利用偏最小二乘法和主成分分析法建立近红外光谱与汽油样品性质之间的分析模型，并对模型进行验证。通过马氏距离判异、定期与人工数据比对、用质控样品进行期间核查等手段加强数据质量管理，提高近红外分析汽油性质的准确性。
1实验部分
1.1 仪器、型号和相关器具
近红外光谱仪：近红外光谱仪采用ABB公司MB3600型近红外光谱仪，并配套自动进样器。
计算机：配置富岛油品性质检测软件，具有NIR光谱数据的收集、存储、检测等功能，能够建立可靠的校正模型。
1.2 工作参数及试验条件
近红外光谱仪首次投入使用或仪器进行维护/ 维修后，应对仪器进行校准，测定前应按要求对仪器进行预热和自检测试。谱图扫描基本参数见表1。
1.3 实验样品：汽油
1.4 样品光谱的测量
1.5 人工传统数据的测定
人工传统数据采用以下方法进行测试：
GB/T5487汽油辛烷值的测定研究法
GB/T6536石油产品常压蒸馏特性测定法
GB/T30519汽油中烃族组成测定法
SH/T0604原油和石油产品密度测定法（U形振动管法）
GB/T8017石油产品蒸气压的测定雷德法
1.6 实验过程
模型建立：采用适合汽油光谱的预处理方法和波数范围，对不少于30个汽油样品进行谱图扫描，将人工传统数据结果输入系统，通过建模样本数据的优化选择，光谱数据处理，建立适用于汽油性质预测的近红外模型。采用配置好的模型，选取部分样品进行动态预测，对模型进行校正，调整参数，获得高质量的模型。
样品测试：将进样针插入样品瓶中，待仪器充分置换后，采集光谱，通过模型自动预测结果。
1.7 数据结果
对27个汽油进行测试.
从27个样品的测试结果可以看出，采用近红外方法测试与传统分析方法相比较，结果都符合传统方法分析的重复性要求。
2讨论
2.1 异常数据发现
采用近红外分析汽油性质，在初期使用中，重复性、准确性能均达到实验要求，但运行一段时间后，由于环境因素、仪器自身不稳定、被测样本自身所引起的奇异光谱等因素影响，会发生数据异常。异常数据定义为近红外分析结果超马氏距离、人工分析与近红外测试结果超差。
马氏距离判异定义为：异常样本光谱与普通样本光谱有显著的偏差，即明显偏离样本总体分布。近红外检测待测样品时，其相对马氏距离大于设定值时，会发生样品结果异常。马氏距离异常可能包括但不限于以下几个方面：
——待测样品与校正集中其他样品相比，含有极端组成，光谱不具有代表性，远离模型整体样品的平均光谱;
——性质值超出该仪器校正模型范围;
——选择了错误的校正模型;
——样品杂质过多;
——光谱扫描过程中样品发生了位移导致光谱测量误差较大。
如何发现异常数据，一是通过在软件上设置马氏距离，进行马氏距离判异;二是定期进行人工传统分析，对人工数据与近红外比對数据进行汇总，检查是否超过方法的重复性，并对超差原因进行分析。
2.2 异常数据的处理
出现异常数据两种情况，首先要及时进行人工复测，保证数据准确;其次，如果超出前期数据收集范围导致超差，要及时进行模型调整。一般，装置工艺调整参数时，会出现大量异常数据，此种情况，暂不替代，采用人工分析，待数据模型扩充后，数据偏差不大的情况再进行替代。
2.3 要加强质量控制，纳入质控计划。
当不能判断样品异常，还是系统异常，可通过保留一组数据性质差异较大的稳定样品，作为质控样品，延长保存时间，定期分析，与原有数据进行比对，作为对整个系统的期间核查，判断样品异常还是系统异常。如有超差，说明系统异常，查明原因，并采取有效措施进行改进。
3结论
通过及时发现异常数据（马氏距离判异、定期与人工数据比对），及时对异常数据处理，用质控样品进行期间核查等手段保证了近红外分析汽油性质的准确性。
参考文献：
[1] 吴艳萍，李国梁，陆婉珍，等.近红外光谱快速测定轻质油品馏程及蒸汽压[J].石油炼制与化工，2002，33（5）：57-61
[2] 张伟红，陈国强.近红外光谱快速测定催化汽油辛烷值及族组成[J].乌石化科技，2003，（3）：34-36
[3] 褚小立，袁洪福，纪长青，等.近红外光谱快速测定重整汽油详细族组成[J].石油化工，2001，30（11）：866-870
[4] 周学秋，刘旭，吴严巍，等.傅里叶变换近红外过程分析技术在中国的应用[J].光谱学与光谱分析，2006，26（7）：155-158