近红外分析方法是目前发展比较迅速的一种快速分析方法，它具有快速、准确、重复性好、无污染、便于实现在线分析等特点，因此被广泛应用于石化行业的各个领域。但是对近红外分析方法测定深色油品性质的研究较少，为满足深色油品的快速分析要求，拓宽近红外分析方法的应用范围，研究了近红外深色油品性质分析方法，同时为了适应深色油品分析的需要，研究了人工神经网络对近红外光谱分析的校正。 比较了人工神经网络、偏最小二乘、主成分回归和局部权重回归等方法对样本组成范围较宽的汽油(包括催化裂化汽油、重整汽油和商品汽油)辛烷值和柴油(包括一线、二线和三线柴油)闪点的校正结果，认为人工神经网络方法具有较好的预测准确性和抗干扰性。对训练集的设计，提出了将Kennard-Stone设计方法应用于近红外分析定量校正，使训练集样本更具代表性，分布更均匀，从而提高了人工神经网络的建模效果和训练速度。采用PLS和PCA主因子作为人工神经网络的输入，都可以进行数据降维，但采用PLS主因子时，主因子数较少，而且可以得到较好的结果。进一步将人工神经网络应用于原油馏程性质和润滑油基础油粘度性质测定中，认为人工神经网络可以得到比偏最小二乘更好的校正结果。 采用气相色谱模拟蒸馏的结果为参比，研究了近红外分析方法对原油馏程的测定。首先提出了独特的原油采谱方法，能够方便、有效地测定原油的近红外光谱；其次提出结合二阶微分和峰值归一化的方法对深色油品的谱图进行预处理，使谱图达到良好的重复；采用人工神经网络方法建立了原油馏程性质的12个模型(初馏点、5％、10％、20％、30％、40％、50％、60％馏出温度以及汽油馏分收率、柴油馏分收率、润滑油馏分收率和渣油馏分收率)，并对验证集样品进行测定， 石油儿工科学研究院博士学位论文2000结果表明，近红外分折方法测定的原油馏程性质与气相色谱模拟蒸馏结果的差值不超过标准方法的再现性要求，成对矿检验结果表明，两种分析方法没有显著性差别。说明采用近红外分析方法测定原油馏程是完全可行的。 在较宽的样本范围内，采用偏最小二乘方法建立了润滑油基础油的近红外－粘度指数及化学族组成校正模型，并对上述性质与近红外光谱之间的关系进行了合理解释。对验证集样本的测定结果表明，近红外分析方法测定的粘度指数、化学族组成与标准方法或参考方法的结果一致。同时讨论了采用近红外分析方法测定润滑油基础油粘度。由于粘度与物质组成结构之间关系的复杂性，采用偏最小二乘方法时，只能在较窄的样本范围内建立模型，当样本范围较宽时，可以采用人工神经网络方法进行校正。 对近红外分析方法快速测定沥青蜡含量以及催化裂化原料油残炭值进行了研究，采用载玻片涂片的方法测定沥青及催化裂化原料油近红外光谱。验证集测定结果表明，近红外分析方法测定的沥青蜡含量和催化裂化原料油残炭值与标准方法结果的差值不超过标准方法再现性或重复性要求，成对t检验结果表明两种分析方法的结果是一致的。 与所用的标准方法或参考方法相比，近红外分析方法具有分析速度快、重现性好、方法简单、不消耗有机溶剂、样品用量少等特点，可以代替标准方法或参考方法进行上述深色油品性质的快速测定。