移动窗口相关系数差PLS校准算法
辛烷值预测精度提升
一种新的定量校准方法,利用光谱差异补偿来提升近红外光谱对汽油研究法辛烷值的预测精度。
Wang, Haipeng · 褚小立 · Chen, Pu · Li, Jingyan · Liu, Dan · Xu, Yupeng
Fuel Processing Technology 2023
参数信息
- 预测精度提升(与PLS相比)
- 34 %
- 预测精度提升(与KPLS相比)
- 29 %
- 预测精度提升(与SVR相比)
- 33 %
- 预测精度提升(与GPR相比)
- 26 %
- 预测精度提升(与ANN相比)
- 30 %
技术优势
预测精度显著提升
在相同测试集上,相比PLS、KPLS、SVR、GPR和ANN,平均MAE和RMSE分别提升约34%、29%、33%、26%和30%。
对未知样品有效
方法对未包含在校准集中的未知汽油样品的辛烷值预测结果显著优于传统MWCC方法。
应用场景
- 近红外光谱分析:为近红外光谱定量分析提供更高精度的多变量校准算法,替换传统PLS等线性方法。
- 汽油质量控制:快速测定汽油研究法辛烷值,用于炼厂汽油产品质量控制。
- 在线过程监测:集成到近红外光谱系统,实现炼油过程中辛烷值的在线实时监测。