基于中红外光谱的甲醇/乙醇柴油鉴别与含量测定方法分析

发布时间：2021-11-08 06:26

　　为实现对醇类柴油的鉴别和含量的测定,在实验室制备了甲醇柴油和乙醇柴油。利用主成分分析方法将甲醇柴油和乙醇柴油分成两类,利用中红外光谱法对光谱数据进行平滑、基线校正、多元散射校正和归一化,得到预处理光谱图,使用最小二乘支持向量机（LSSVM）模型预测甲醇柴油的甲醇含量和乙醇柴油的乙醇含量,其模型误判率低于7.1%。结果表明,甲醇柴油甲醇含量LSSVM模型预测集相关系数和预测集均方误差分别为0.9791和1.7201;乙醇柴油乙醇含量LSSVM模型预测集相关系数和预测集均方误差分别为0.9802和2.9563。实验的结果表明最小二乘支持向量机模型能够预测甲醇乙醇柴油中的甲醇和乙醇含量,且是一种很有前途的方法。 

【文章来源】：激光与光电子学进展. 2017,54(09)北大核心CSCD

【文章页数】：8 页

【文章目录】：
1 引言
2 材料与方法
    2.1 样品
    2.2 光谱采集
    2.3 数据分析与软件
    2.4 预处理方法
3 结果与讨论
    3.1 主成分分析
    3.2 偏最小二乘判别分析
    3.3 甲醇柴油甲醇含量定量分析
    3.4 乙醇柴油乙醇含量定量分析
4 结论


【参考文献】：
期刊论文
[1]黄桃表面缺陷和可溶性固形物光谱同时在线检测[J]. 刘燕德,吴明明,孙旭东,朱丹宁,李轶凡,张智诚.  农业工程学报. 2016(06)
[2]高光谱技术在无损检测火龙果可溶性固形物中的应用[J]. 罗霞,洪添胜,罗阔,代芬,梅慧兰.  激光与光电子学进展. 2015(08)
[3]基于近红外光谱和子窗口重排分析的山茶油掺假检测[J]. 孙通,吴宜青,李晓珍,许朋,刘木华.  光学学报. 2015(06)
[4]基于联合区间偏最小二乘判别分析的猪肉近红外光谱定性建模分析[J]. 武小红,孙俊,武斌,唐凯.  激光与光电子学进展. 2015(04)
[5]中红外光谱法测定甲醇汽油中甲醇含量[J]. 李雁如.  山西化工. 2014(04)
[6]LSSVM模型下的近红外光谱联合区间波长筛选方法[J]. 彭秀辉,黄常毅,刘飞,刘艳.  光谱学与光谱分析. 2014(03)
[7]基于最小二乘支持向量机的辣椒可溶性固形物和维生素C含量近红外光谱检测[J]. 刘燕德,周延睿,潘圆媛.  光学精密工程. 2014(02)
[8]Rapid recognition of Chinese herbal pieces of Areca catechu by different concocted processes using Fourier transform mid-infrared and near-infrared spectroscopy combined with partial least-squares discriminant analysis[J]. Hai-Yan Fu,Dong-Chen Huang,Tian-Ming Yang,Yuan-Bin She,Hao Zhang.  Chinese Chemical Letters. 2013(07)
[9]基于GA-LSSVM的苹果糖度近红外光谱检测[J]. 刘燕德,周延睿.  西北农林科技大学学报(自然科学版). 2013(07)
[10]PLS-LSSVM模型在锌净化中的应用[J]. 伍铁斌,朱红求,孙备,李勇刚,张斌.  计算机工程. 2012(10)



本文编号：3483184