摘要
柴油中的硫是机动车排放造成大气污染的主要成分之一,目前各国政府制定了限定柴油硫质量分数的措施,因此研究对柴油中硫质量分数的快速检测方法具有重要意义.应用便携式近红外光谱仪采集不同硫质量分数柴油的光谱,共采集261份柴油的近红外光谱数据,利用Kennard-Stone(K-S)算法以3:1比例将样本划分为校正集和预测集.对原始光谱在全谱区间采用去中心化、归一化、多元散射校正和15点2次平滑等多种预处理.实验结果表明,去中心化预处理方法对建立柴油硫质量分数的偏最小二乘回归(PLSR)模型效果最优,其决定系数(R2)为0.894和预测均方根误差(RMSEP)为89.17,相对分析误差(RPD)为3.089.比较了蒙特卡罗无信息变量消除(MCUVE)和竞争性自适应加权抽样(CARS)两种波长选择算法,最终使用CARS算法提取得到35个特征波长点进行高斯过程回归(GPR)建模的结果最佳,其R2为0.967,预测均方根误差为45.378,相对分析误差为5.616.结果表明,利用便携式近红外光谱技术建立柴油硫质量分数定量预测模型,实现对柴油中硫质量分数快速和无损的近红外定量检测具有可行性.
NETL
NSTL
维普
万方数据