[发明专利]利用二元线性分类器建立航空煤油性质预测模型的方法

说明书

本发明提供一种利用二元线性分类器构建航空煤油性质预测模型的方法，属于航空煤油性质预测技术领域。本发明方法包括：获取多个航空煤油样品的理化性质数据；采集多个航空煤油样品近红外光谱数据，并对该近红外光谱数据进行至少两次优化处理；利用二元线性分类器构建航空煤油理化性质数据与近红外光谱数据相关联的回归模型；将优化处理后的数据代入回归模型，以得到待测样品的多个理化性质。本发明基于二元线性分类器构建预测航空煤油的回归模型，单次操作即可实现检测航空煤油的多种理化性质，对于原始光谱的处理、模型的建立以及更新无需离线进行，能够及时有效地更新回归模型，提高预测准确度。

技术领域

本发明属于航空煤油性质检测技术领域，具体涉及一种利用二元线性分类器构建航空煤油性质预测模型的方法。

背景技术

随着航空业的快速发展，航空煤油作为航空业的主要能源，其质量安全在整个行业链条中发挥着至关重要的作用。目前国内航空煤油的运输方式主要为管输、铁路槽车和公路运输三种。因为部分油料运输媒介也会运输其他品类油料，所以时常发生航空煤油污染等质量问题。

传统的航空煤油性质检测方法操作复杂，实验耗时长，且受限于专业的实验室空间，很难达到对航空煤油性质数据实时监测的要求，不易及时发现航空煤油质量问题。目前不断发展的化学计量学技术，可以实现在短时间内分析大量数据，使得快速评价航空煤油质量情况成为可能。

其中，近红外光谱分析技术是目前在工业生产领域应用最广泛的快速分析技术之一。该技术具有光谱信息采集速度快、灵敏度高、价格低廉等优点。结合合适的建模方法即可实现对航空煤油理化性质的快速检测。然而，传统的建模方法对于原始光谱的处理、模型的建立和更新都需要离线进行，但工业应用现场因为情况复杂多变，需要模型能够及时有效地更新。

因此，基于上述技术问题，本发明提出一种利用二元线性分类器构建航空煤油性质预测模型的方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提供一种利用二元线性分类器构建航空煤油性质预测模型的方法。

本发明提供一种利用二元线性分类器构建航空煤油性质预测模型的方法，包括下述步骤：

获取多个航空煤油样品的理化性质数据；

采集所述多个航空煤油样品的近红外光谱数据，并对该近红外光谱数据进行至少两次优化处理；

利用二元线性分类器建立所述航空煤油样品的理化性质数据与近红外光谱数据相关联的回归模型；

采集待测样品的近红外光谱数据，并对其进行至少两次优化处理，将优化处理后的数据代入所述回归模型，以得到所述待测样品的多个理化性质。

可选的，所述理化性质包括20℃密度、冰点、闪点、初馏点、50％回收温度和终馏点。

可选的，利用透射式近红外光谱仪采集所述航空煤油样品的近红外光谱数据；其中，

采集范围为4000cm^-1～12000cm^-1，扫描次数范围为5次～120次。

可选的，所述对该近红外光谱数据进行至少两次优化处理，包括：

利用一阶微分和矢量归一化法对所述近红外光谱数据进行第一次优化处理；

利用PCA-MD法进行第二次优化处理，以剔除异常航空煤油样品。

可选的，所述矢量归一化公式如下：

x′＝(x-Min(x))/(Max(x)-Min(x))

式中，Max(x)为样本数据的最大值，Min(x)为样本数据的最小值，x为待归一化样本数据，x’为归一化样本数据。