文献类型：期刊文献

中文题名：基于神经网络的近红外光谱辛烷值模型的研究及应用

英文题名：Octane model based on neural network by near-infrared spectroscopy and its application

作者：栾郭宏[1];贺凯迅[2];程辉[2];钱锋[2]

机构：[1]中国石油化工股份有限公司金陵分公司,江苏南京210033;[2]华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海200237

年份：2014

卷号：31

期号：1

起止页码：63

中文期刊名：计算机与应用化学

外文期刊名：Computers and Applied Chemistry

收录：CSTPCD;;北大核心:【北大核心2011】；CSCD:【CSCD2013_2014】；

语种：中文

中文关键词：汽油调合;近红外;主元分析

外文关键词：Keyword： gasoline blending; near infrared spectroscopy; principal component analysis

摘要：汽油管道调合的在线优化过程中,调合优化与控制系统对近红外光谱模型的依赖很大。光谱模型的精度及适应性直接影响整个在线调合系统。本文就如何建立适用于在线汽油调合的汽油辛烷值近红外光谱模型展开研究,提出一种采用主元分析(PCA)结合人工神经网络(ANN)的方法建立汽油近红外光谱辛烷值模型的方法;并与多元线性回归及偏最小二乘法建立的线性模型做比较。结果表明主元分析结合人工神经网络所建立的模型适应性较高、抗干扰能力强,适合汽油在线调合的现场应用。
Abstracts： During the gasoline online blending process, blending optimization and control system is greatly dependent on the near-infrared spectral model. The spectral model＇s accuracy and adaptability directly affect the entire online blending system. This paper studies how to establish model for gasoline octane during the gasoline online blending with near infrared spectroscopy. It is proposed using principal component analysis （PCA） with Artificial Neural Network （ANN） method to establish gasoline near infrared spectroscopy-octane model. We also use multiple linear regressions and partial least squares method to establish gasoline octane model for comparison. The results show that the model established by PCA and ANN has strong anti-jamming capability and suitable for gasoline online blending field applications.