多组分有机混合物及石油产品的近红外光谱分析方法研究

发布时间：2017-08-29 00:17

  本文关键词：多组分有机混合物及石油产品的近红外光谱分析方法研究

  更多相关文章： 近红外光谱 多元校正 大豆 柴油

【摘要】：近红外光谱分析作为一种快速的分析方法,已广泛应用于各个领域。但是近红外光谱中的多组分混合样品的定量分析目前还没有得到一种普遍认同的方法。而实际分析中的多数样品都是混合物,因此,对多组分混合物体系的定量分析方法研究是很有必要的。本文主要研究了近红外光谱与化学计量学多元校正方法相结合的多组分混合物快速定量分析方法。全文实验部分共四章:第一章概述了近红外光谱分析技术的研究进展及在各个领域分析中的应用现状。此外,还简述了近红外光谱定量分析中常用的几种化学计量学方法。第二章研究了不同的多元校正方法在大豆蛋白质含量测定中的应用。使用偏最小二乘法和主成分回归分别建立了测定大豆蛋白质含量的校正模型,通过外部测试集验证和留一交叉验证对所建模型的预测能力进行评价。结果表明,两种方法对蛋白质含量的预测都是可行的,但偏最小二乘法预测大豆蛋白质含量的误差较低,相关性更好。第三章则根据第二章得到的结论,将偏最小二乘法和主成分回归分别与近红外光谱结合测定大豆的油分含量。两种方法结果相比,使用主成分回归法测定大豆的油分含量可以得到更准确的测定结果。第四章运用近红外光谱技术对足光散中的两种有效成分同时进行了定量分析。利用测试集样品对建立的校正模型进行外部测试验证。实验结果表明,偏最小二乘法可用于足光散有效成分的预测,建模方法有效可靠,可以满足足光散分析的要求。第五章以柴油的近红外光谱和ASTM D-613为基础,利用偏最小二乘法分别建立了原始光谱和一阶导数光谱的十六烷值定量分析模型。实验表明,通过光谱预处理能够获得较原始光谱更加准确的预测值。因此,光谱预处理能够使模型得到优化,提高模型预测精度。
【关键词】：近红外光谱 多元校正 大豆 柴油
【学位授予单位】：西安石油大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O657.33
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 绪论8-21
• 1.1 近红外光谱简介8-12
• 1.1.1 近红外光谱技术的原理8-10
• 1.1.2 近红外光谱技术的发展10-11
• 1.1.3 近红外光谱技术的特点11-12
• 1.2 近红外光谱分析模型的建立方法12-18
• 1.2.1 近红外光谱预处理方法12-13
• 1.2.2 近红外光谱分析方法13-14
• 1.2.3 近红外光谱的常用多元校正建模方法14-18
• 1.3 近红外光谱技术的应用18-20
• 1.4 研究意义20-21
• 第二章 大豆蛋白质的近红外光谱定量测定方法研究21-30
• 2.1 引言21-22
• 2.2 实验和方法22-23
• 2.2.1 留一交叉验证23
• 2.2.2 外部测试集验证23
• 2.3 结果与讨论23-27
• 2.3.1 大豆蛋白质含量的参考值测定23-24
• 2.3.2 大豆样品的近红外光谱24
• 2.3.3 PCR模型24-26
• 2.3.4 PLS模型26-27
• 2.4 结论27-30
• 第三章 大豆油分的近红外光谱定量测定方法研究30-37
• 3.1 引言30-31
• 3.2 实验和方法31
• 3.3 结果与讨论31-36
• 3.3.1 大豆样品的近红外光谱31-32
• 3.3.2 大豆油分含量的参考值测定32
• 3.3.3 PCR模型32-34
• 3.3.4 PLS模型34-36
• 3.4 结论36-37
• 第四章 足光散中有效成分的近红外光谱定量测定方法研究37-44
• 4.1 引言37
• 4.2 实验和方法37-38
• 4.3 结果与讨论38-43
• 4.3.1 足光散样品化学值测定38
• 4.3.2 足光散样品的近红外光谱38-39
• 4.3.3 PLS模型39-43
• 4.4 结论43-44
• 第五章 柴油十六烷值的近红外光谱定量测定方法研究44-54
• 5.1 引言44-45
• 5.2 实验和方法45
• 5.3 结果与讨论45-48
• 5.3.1 柴油样品的近红外光谱45-46
• 5.3.2 PLS模型46-48
• 5.4 结论48-54
• 第六章 结论54-55
• 致谢55-56
• 参考文献56-61
• 攻读硕士学位期间发表的论文61-62

【相似文献】

中国期刊全文数据库 前10条

1 严衍禄,赵龙莲,李军会,张录达,闵顺耕;现代近红外光谱分析的信息处理技术[J];光谱学与光谱分析;2000年06期

2 史永刚,冯新泸,李子存,孙萍;近红外光谱分析中应考虑的几个问题[J];光谱实验室;2001年04期

3 刘艳青;近红外光谱分析的技术与应用[J];制造业自动化;2002年02期

4 高振洪;;近红外光谱分析仪器的应用与发展[J];科技创新导报;2012年04期

5 端木勉;近红外光谱分析在微生物法丙烯酰胺及其聚合物生产中的应用前景[J];广州化工;1998年02期

6 刘胜;范雅婷;;基于近红外光谱分析的多模型建模方法研究[J];林业科技;2014年02期

7 祝诗平,王一鸣,张小超;小波消噪及其在小麦蛋白质含量近红外光谱分析中的应用[J];西南农业大学学报(自然科学版);2003年06期

8 丁东,张洪艳,毕卫红,申铉国;葡萄糖溶液近红外光谱分析中两种常用化学计量学方法的比较[J];光谱实验室;2004年03期

9 王丽杰,郭建英,徐可欣;对牛奶成分近红外光谱分析方法的研究[J];哈尔滨理工大学学报;2004年05期

10 褚小立,袁洪福,陆婉珍;基础数据准确性对近红外光谱分析结果的影响[J];光谱学与光谱分析;2005年06期

中国重要会议论文全文数据库 前10条

1 马竞涛;;近红外光谱分析及应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（下册）[C];2001年

2 田高友;;轻质石油燃料质量指标近红外光谱分析方法标准研究[A];科学仪器服务民生学术大会论文集[C];2011年

3 祝诗平;王刚;吴静珠;王一鸣;;支持向量机在近红外光谱分析中的应用[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

4 张卓勇;;化学计量学方法在近红外光谱分析中的应用[A];全国第13届分子光谱学术报告会论文集[C];2004年

5 杜一平;Sumaporn Kasemsumran;Yukihiro Ozaki;;近红外光谱分析中干扰组分光谱的去除[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

6 刘本清;;近红外光谱分析在食品、药品成分检测中的应用[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（下）[C];2003年

7 刘洁;李小昱;李培武;王为;刘鹏;张荣荣;;基于近红外光谱分析的数据处理方法研究进展[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

8 刘洁;李小昱;李培武;王为;张荣荣;张军;;数据处理方法在近红外光谱分析中的应用进展[A];节能环保 和谐发展——2007中国科协年会论文集（三）[C];2007年

9 景明;蔡文生;邵学广;;Multiblock PLS方法用于植物样本的近红外光谱分析[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

10 邵学广;蔡文生;徐恒;;近红外光谱分析中波长选择的必要性[A];中国化学会第27届学术年会第15分会场摘要集[C];2010年

中国博士学位论文全文数据库 前6条

1 孔庆明;大豆秸秆成分近红外光谱分析快速检测方法研究[D];东北农业大学;2015年

2 林志丹;基于可见/近红外光谱分析的化肥土壤成分速测模型研究[D];中国科学技术大学;2016年

3 王立琦;基于近红外光谱分析的大豆油质量检测方法研究[D];哈尔滨理工大学;2011年

4 宁宇;功能性富集材料用于微量成分的近红外光谱分析[D];南开大学;2013年

5 王智宏;野外矿物近红外光谱分析关键技术研究[D];吉林大学;2005年

6 郑开逸;近红外光谱分析模型优化和模型转移算法研究[D];华东理工大学;2013年

中国硕士学位论文全文数据库 前10条

1 张晓凤;近红外光谱分析中模型传递与特征波长选择方法研究[D];桂林电子科技大学;2015年

2 范雅婷;毛白杨与相思树的近红外光谱分析数学模型[D];北京林业大学;2016年

3 邴姗;多组分有机混合物及石油产品的近红外光谱分析方法研究[D];西安石油大学;2016年

4 蔡丽娟;正交法在近红外光谱分析中的应用[D];哈尔滨理工大学;2009年

5 刘经纬;近红外光谱分析系统及其在食品安全检测中的应用研究[D];中国科学院研究生院(上海技术物理研究所);2015年

6 应冬青;在线近红外光谱分析系统失效分析[D];杭州电子科技大学;2011年

7 蔡斌;在线型液体近红外光谱分析平台的开发[D];江苏大学;2008年

8 尹成;基于C++与MATLAB食用油近红外光谱分析软件的开发与应用[D];武汉轻工大学;2015年

9 赵强;近红外光谱分析定标技术的研究[D];暨南大学;2006年

10 胡愉华;甘蔗初压汁近红外光谱分析的模型优化与稳定性[D];暨南大学;2009年

，

本文编号：750289