一种判断辛烷值模型维护更新的方法
【技术领域】
[0001] 本发明设及炼油企业汽油性质检测，尤其是汽油性质预测模型的维护，具体是一 种判断辛烧值模型维护更新的方法。
【背景技术】
[0002] 近红外光谱定量分析技术，又称"黑厘子"分析技术，是一种间接的测量方法，即通 过对样品光谱和其质量参数进行关联建立起预测模型，然后通过预测模型和未知质量参数 的样品光谱来预测样品的组成和性质。
[0003] 在汽油标准中，辛烧值（RON)列于车用汽油规格的首项，是汽油关键质量指标之 一。为了能够及时掌握调合汽油及调合组分油的辛烧值变化，为炼厂调合及生产调控提供 有效依据，目前一般采用近红外光谱定量分析技术对其进行预测。但是，一般情况下建立的 预测模型涵盖的调合汽油或调合组分油的辛烧值范围有限，不能囊括全部情况。当生产工 艺发生变化时，汽油或调合油的辛烧值可能超出预测模型的范围，导致预测不准，不能给生 产人员提供正确的指导。
【发明内容】
[0004] 为解决现有技术存在的问题，本发明提出了一种判断辛烧值模型维护更新的方 法，该方法是指当待测样本因工艺改变导致辛烧值发生突变，采用光谱距离阔值作为分界 点来判断待测样本是否为模型界外样本，是则进行报警W提醒工作人员需对现有模型进行 维护更新；所述判断待测样本是否为模型界外样本是指判断待测样本是否脱离模型的覆盖 范围，具体步骤如下： 阳〇化](1)对待测样本和模型的光谱库中的光谱进行常规预处理；
[0006] (2)计算光谱库的光谱重屯、8。"6,即光谱库光谱的平均光谱；
[0007] (3)采用主成分分析，计算预处理后待测样本光谱、光谱库光谱和光谱库的光谱重 屯、Sc"re的得分向量；
[0008] (4)基于得分向量的第一和第二主成分，计算光谱库光谱到光谱库的光谱重屯、 8。"。的光谱距离，并确定最大光谱距离Dm。、；
[0009] (5)基于得分向量的第一和第二主成分，利用光谱库的光谱重屯、St"。、最大光谱距 离Dm。、，W及待测样本确定待测样本的邻近区域；
[0010] (6)在邻近区域内查找待测样本的邻近光谱库样本，组成邻近光谱库； W11] (7)计算邻近区域的光谱重屯、S。。^。。；
[0012] (8)基于得分向量的第一和第二主成分，计算邻近光谱库光谱、光谱库的光谱重屯、 分别与邻近区域的光谱重屯、S。。^。^。的光谱距离，并找出其中最大光谱重屯、距离D 确定光谱距离阔值Dst，确定方法如下式：
[0013] Dst=yxd_
[0014] 其中y为常数，1. 0《y《1. 1;
[0015] (9)基于得分向量的第一和第二主成分，计算待测样本与邻近区域的光谱重屯、 Srremxire的光谱样本距罔DPA;
[0016] (10)判断光谱样本距离DpA是否大于光谱距离阔值若大于，则待测样本为模型 界外样本，需给出报警，否则不需给出报警。
[0017] 优选的，步骤巧）中所述的邻近区域，确定方法如下：
[0018] (501)基于得分向量的第一和第二主成分建立二维坐标系，其中第一主成分为横 坐标，第二主成分为纵坐标，W光谱库的光谱重屯、S。。,。所在的点为端点，连接待测样本所在 的点，得到射线；
[0019](50。设定初始角度a，W光谱库的光谱重屯、Se"re为轴中心W射线为对称轴，对 称轴长为最大光谱距离Dm。、，旋转对称轴，旋转角度为±a，得到扇形区域即为所述的邻近 区域。
[0020] 更优的，所述初始角度a小于5°。
[0021] 优选的，步骤化）中在邻近区域内查找待测样本的邻近光谱库样本，具体步骤如 下：
[0022] (601)扇形区域的两个端点和一个顶点（即光谱库的光谱重屯、8。。心在二维坐标 系中的坐标分别为〇1 (Xi，Yi)、〇2(而，y2)和〇3(x3,y3)，光谱库中第i样本的坐标化(Xi，yi); 阳02引 （60。W〇1、〇2和〇3立点确定立角形，求出立角形立边的长，然后求立角形面积A;
[0024] (603)采用步骤（602)的方法分别计算〇1与0 1、〇2、〇3任意两点所围成的S角形面 积Aii2、A"3、Ai23;
[0025] (604)判断A是否等于Ai12、Ai13、Ai23之和，若是，则此光谱库中第i样本为待测样 本的邻近样本S"Mghbw，否则不是。
[0026] 优选的，步骤（7)中所述的邻近区域的光谱重屯、采用下式计算：
[0027]
[00測式中，n为邻近光谱库样本的总数，S。。。。。。为邻近区域的光谱重心S。。。为光谱库 的光谱重屯、，Swighhf为待测样本的邻近样本。
[0029]优选的，所述的最大光谱距离Dm。、、最大光谱重屯、距离、光谱样本距离DpA，采 用的是欧式距离，计算公式如下：
[0030]
[0031] 其中\ ,是指第i个光谱与第j个光谱间的欧式距离；t1为第i个样本光谱的得 分向量，t，为第j个样本光谱的得分向量。 阳0巧有益效果：
[0033] 本发明提出了一种判断辛烧值模型维护更新的方法，当待测样本为模型外样本 时，能及时提醒工作人员组分油或调合油由于工艺的改变，其辛烧值发生了突变，采用当前 模型进行预测可能结果不准。收到报警信号后，工作人员对当前待测组分进行标准化验，并 添加至模型中，W提高模型的预测精度。本发明提出的按需维护更新的方法相对于传统定 时维护更新的方法，在保证模型预测精度的前提下，大大节约了时间人力资源。
【附图说明】
[0034] 图1是判断辛烧值模型维护更新的步骤。 阳0对图2是S_Zorb-72光谱、光谱库光谱和光谱库重屯、Scere的二维分布图。
[0036] 图3是S_Zorb-72待测样本的邻近区域。
[0037] 图4是S_Zorb-73待测样本的邻近区域。
【具体实施方式】
[0038] 下面结合附图和实施案例对本发明作进一步的说明。
[0039] 本发明W某炼化企业汽油调合业务的实际实施情况并结合一具体算例，给出详细 的计算过程和具体的操作流程。该企业目前参与调合的组分油有S_Zrob汽油、己烧轻石、 重整抽余油、MT邸等，调合油有国V92#、95#和国IV93 #、97#，为给调合生产提供有效调控依 据，该企业目前采用近红外光谱定量分析技术对组分油及调合汽油的性质进行预测。但由 于生产装置不稳定，导致S_Zrob汽油、己烧轻石、重整抽余油、MTBE等组分油的辛烧值会产 生较大波动，导致待测样本性质预测不准。
[0040] 本专利WS_Zrob汽油为例，介绍当待测样本超出辛烧值模型预测范围时给出警 报的过程。S_Zorb辛烧值预测模型建模样本共71个，预处理方法为基线校正和矢量归一 化，采用有效波数段范围为7800-9000cm1，5100-6030cm1，6400-6480cm1，模型光谱库中 样本编号及辛烧值如表1所示，即S_Zorb-l~S_Zorb-71，其中编号为S_Zorb-72和S_ Zo;rb-73为两个待测样本。
[0041] 表1S_Zorb样本编号及对应辛烧值
[0042]
[0043] 首先判断待测样本S_Zorb-72是否为模型界外样本，将S_Zorb-72和模型光谱库 中的光谱S_Zorb-l~S_Zorb-71进行基线校正和矢量归一化，然后计算光谱库的光谱重屯、 8。"。，即光谱库光谱的平均光谱。采用主成分分析，计算预处理后待测样本光谱、光谱库光谱 和光谱库重屯、S。。,。的第一和第二主成分，如表2所示：
[0044] 表2待测样本S_Zorb-72光谱、光谱库光谱和光谱库重屯、的第一、第二主成分
[0045]
[0047] 优选的实施例中，基于表1数据，W得分向量的第一主成分为横坐标，第二主成分 为纵坐标，将待测样本光谱、光谱库光谱和光谱库重屯、S。。,。绘在二维图上展示，如图2所示。