原油快速评价技术的应用研究

为了快速准确测量原油的密度、酸值、硫含量等重要性质,采用红外光谱技术结合化学计量学定量校正算法建立校正模型。结果表明,采用偏最小二乘算法(PLS)建模预测原油密度、酸值和硫含量的标准偏差分别为00085 g/cm3、031 mgKOH/g和035%,预测的重复性与再现性等同或优于标准方法,具有测量快速、操作简单、无需预处理、重复性好等优点。     

红外光谱快速测定原油硫含量

硫含量是表征原油的重要性质。采用衰减全反射附件获得原油的红外光谱,用偏最小二乘法(PLS)建立红外光谱测定原油硫含量的校正模型。结果表明,该方法的测定结果的重复性与再现性等同或优于标准方法的。与经典测定原油硫含量的方法相比,该红外光谱法具有测量快速、操作简单、无需预处理、重复性好等优点。     

核函数方法及其在过程控制中的应用

基于核函数技术的各种非线性数据处理方法近来得到了较大的应用和发展。首先分析了核函数方法的基本原理和特点，然后介绍了几种主要的核函数方法及其在过程控制中的应用。针对复杂工业过程的复杂性，提出了几种集成核函数方法。最后对核函数方法及其在过程控制中的进一步应用进行了展望。     

红外光谱方法快速预测原油密度的研究

基于280余种典型的原油,采用衰减全反射测量方式结合偏最小二乘（PLS）方法建立红外光谱测定原油密度的校正模型。校正结果显示,交互验证标准偏差为0.005 1 g/cm3,预测标准偏差为0.004 4 g/cm3,均接近于标准方法的误差要求。与U形振动管法相比,该方法具有测量速度快速、操作简便等优点,其结果满足快速分析和过程控制分析的需要,在一定场合可以替代U形振动管法用于原油密度的快速预测。     

拉曼和红外光谱快速评价原油性质的可行性比较

分子光谱技术如中红外和近红外光谱已应用于原油性质的快速分析,而拉曼光谱在这方面的应用鲜有报道。为探讨拉曼光谱进行原油性质快速分析的可行性,采用拉曼、中红外、近红外3种分子光谱方法结合化学计量学来预测原油的密度、残炭和蜡含量,对3种方法采集原油光谱的重复性和预测原油性质的准确性进行了比较。结果表明,拉曼光谱采集原油信号的重复性差,分析原油性质的准确性较低,在进行原油性质快速分析方面存在较大的局限性。     

基于GWO-LSSVM算法的海底管道腐蚀预测模型研究

目的 针对海底管道腐蚀影响因素存在信息叠加与相互耦合、作用机理复杂、腐蚀速率预测难度大的问题,提出一种灰狼优化(GWO)算法优化最小二乘支持向量机(LSSVM)的腐蚀速率预测新模型.方法 该模型利用灰狼优化算法对最小二乘支持向量机的核参数与惩罚因子进行迭代寻优,减少参数选择的盲目性,提升预测精度,应用该模型对海水挂片腐...     

红外二维相关光谱在原油快速识别中的应用

测量不同温度下的一系列中红外光谱,通过二维相关处理即希尔伯特(Hilbert)矩阵变换得到二维相关光谱矩阵。另外,将一维的移动窗口相关系数法改进为二维的移动矩阵窗口相关系数法,选用二维相关的同步光谱作为特征光谱,给定了用于识别的相关系数阈值。此移动矩阵窗口相关系数法可准确识别出低比例混合原油。     

最小二乘支持向量机在重质燃料油调合中的应用

为解决重质船用燃料油调合中非线性指标预测准确度低的问题,提出了基于最小二乘支持向量机(LSSVM)的非线性指标预测模型的应用。介绍了LSSVM的基本算法以及构建了预测模型,以重质燃料油调合中黏度和密度指标为例,对比一般计算模型,进行指标数据的计算。应用结果表明:基于LSSVM的预测模型,通用性强、预测精度高、自适应能力强,具有较高的应用前景。     

最小二乘支持向量机在储层流体识别中的应用

在测井储层流体识别中引入基于统计学习理论的最小二乘支持向量机（LS-SVM）算法,它是在传统的支持向量机（SVM）基础之上加以改进的一种新算法。LS-SVM采用结构风险最小化原则代替了传统的经验风险最小化原则,保证了其具有全局最优性和较好的泛化能力,并且它将凸二次规划问题转变成了线性方程组的求解问题．使计算效率大大提高。介绍了LS-SVM方法的基本原理和多分类方法,通过该法利用少量的测井资料作为学习样本,准确地对油气水层进行了识别。将它与交会图判别法和BP神经网络方法的预测结果进行比较,表明用LS-SVM方法来进行储层流体识别是可行的,且具有一定的优越性。     

基于拉曼光谱荧光背景的痕量原油泄漏检测方法

炼化企业在原油和常压蒸馏塔侧线轻质油换热过程中存在原油泄漏问题,进而对安全生产和后续加工环节质量控制造成不利影响。利用拉曼光谱荧光背景对原油敏感的特点,可以实现轻质油中痕量原油的检测。扫描90个含有痕量原油的常压蒸馏塔塔顶石脑油样本拉曼光谱作为试验数据,采用偏最小二乘回归法结合遗传算法、随机蛙跳算法以及竞争自适应重加权采样算法建模。其中检测效果最好的是竞争自适应重加权采样算法与偏最小二乘法结合的方法,预测均方根误差为1.5674 μg/g。该研究表明使用拉曼光谱荧光背景进行轻质油痕量原油检测,在算法优化后可以精确检测到质量分数1~100 μg/g的痕量原油,满足炼化企业生产要求。     

流动流体黏度的声发射测量

 基于声发射(AE)测量技术,结合小波分析和 R/S 分析,获得了代表流体撞击壁面运动的特征信号频段（d₁~d₁₂频段）。根据声波特征信号频段能量随流体黏度的规律性变化,以流体撞击壁面产生信号特征区域的声能量值为特征参数,建立了流体黏度的预测模型。以搅拌釜中水-蔗糖体系为例,在搅拌转速1.67 r/s 条件下,由预测模型得到的检测结果与真实值的相关系数(r)为0.970,平均相对偏差(ARD)为11.863%, 交叉验证误差均方根(RMSECV)为1.228,表明预测模型对于流体黏度的检测具有较高准确性。由此获得了一种快速、准确和非侵入式的流体黏度检测技术,有利于工业生产流程的优化和控制。     

红外光谱结合化学计量学方法快速测定在用航空润滑油的酸值

研究采用傅里叶红外光谱快速测定在用航空润滑油酸值的方法。对光谱预处理方法进行研究,确定了S-G平滑和一阶导数的窗口宽度分别为19点和17点。在酸值相关基团分析的基础上,通过对比在用油和新油,确定了建模的光谱区间分别是3 597~3 202cm-1、2 600~2 250cm-1、920~800cm-1。比较了偏最小二乘(PLS)法和神经网络(BP-ANN)法两种方法建立校正模型的效果,PLS模型的校正标准偏差(SEC)为0.004,预测标准偏差(SEP)为0.005。对PLS分析模型进行准确度分析,满足t检验的要求。研究结果表明,红外光谱法可准确测定在用航空润滑油的酸值,具有快速、无污染的特点。     

基于声发射信号测定高速流态化中的固体颗粒质量流量

 固体颗粒质量流量是工业生产中最基本和最重要的参数之一。以空气 聚丙烯颗粒体系在循环流化床反应器的流动为例,根据颗粒撞击壁面时,在特定频段下产生声发射信号的原理,利用声发射(AE)信号检测技术,结合小波包 偏最小二乘法(PLS)分析,分别考察了表观气速及静床高度对固体质量颗粒流量的影响,并对0~900 kHz 频率范围内的声发射信号进行4尺度小波包分解,将112~450 kHz 的特征频段内的能量值作为观测数据,采用 PLS 拟合得到固体颗粒质量流量的预测模型。结果表明,模型的预测值与称重法获得的质量流量相比,在考察的气速范围和静床高度范围内,平均相对误差为6.5%。声发射检测技术能实现高速流态化中固体颗粒质量流量快速准确的在线监测。     

原油组分相互作用对析蜡的影响机理

采用柱色谱分离法、差示扫描量热法（DSC）和偏光显微分析方法,对采自长庆油田和玉门油田的原油样品进行了组分分离,研究了各组分对析蜡的影响机理。结果表明,2种原油组分差异较大;原油各组分相互作用可以有效抑制蜡晶的析出。长庆油田原油与其饱和烃组分(Ch₁)相比,析蜡点降低6.45℃,析蜡峰温降低6.64℃;玉门油田原油与其饱和烃组分(Y₁)相比,析蜡点降低3.46℃,析蜡峰温降低6.14℃。向Ch₁中分别加入不同极性组分后,其作用结果与原油原始状态差异较大;胶质、沥青质使Ch₁冷却结晶时的蜡晶颗粒数目增多,尺寸相对减小,减弱蜡晶之间的联结强度,削弱了蜡晶缔合而形成大块蜡晶聚集体的倾向。     

Exploration of microwave dielectric and near infrared spectroscopy with multivariate data analysis for fat content determination in ground beef

This study investigated using microwave dielectric and near infrared (NIR) spectroscopy for the determination of fat content in ground beef samples (n = 69) in a designed experiment. Multivariate data analysis (principal component analysis (PCA) and partial least squares (PLS) regression modelling) was used to explore the potential of these spectroscopic techniques over selected multiple frequency or wavelength ranges. Chemical reference data for fat and water content in ground beef were obtained using a nuclear magnetic resonance-based SMART Trac analyser. Best performance of PLS prediction models for fat content revealed a coefficient of determination in prediction (R²P) of 0.87 and a root mean square error of prediction (RMSEP) of 2.71% w/w for microwave spectroscopy; in a similar manner, R²P of 0.99 and RMSEP of 0.71% w/w were obtained for NIR spectroscopy. The influence of water content on fat content prediction by microwave spectroscopy was investigated by comparing the prediction performance of PLS regression models developed using a single Y-variable (PLS1; fat or water content) and using both Y-variables (PLS2; fat and water contents).