基于局部策略的光譜異常檢測與石油產(chǎn)品定性分析.pdf

1、光譜分析技術(shù)具有快速、無損、高效和低成本等優(yōu)勢，已廣泛應(yīng)用于農(nóng)業(yè)、化工、制藥、紡織等各個領(lǐng)域。本文利用近紅外和拉曼光譜分析技術(shù)為石油產(chǎn)品的種類、成品汽油的產(chǎn)地和牌號建立了定性分類模型。在定性分析過程中，運用各種局部策略，較好地解決了異常光譜的檢測修復(fù)、定性模型參數(shù)調(diào)整以及不同類樣本重疊情況下分類算法的改良問題。具體研究內(nèi)容包括:
　　 1.針對油品在線光譜中尖銳小峰（國外文獻稱之為spike）的干擾問題，提出了一種基于時域局部策

2、略的spike檢測及修復(fù)方法。該方法同時運用強度檢測和滑動窗口的相關(guān)分析來確定在線拉曼光譜中是否存在spike，并采用微分譜圖和局部線性擬合實現(xiàn)了光譜的較好修復(fù)。該算法已成功地應(yīng)用于自主開發(fā)的在線拉曼光譜測量分析系統(tǒng)中，實際運行情況證明該算法簡單有效。
　　 2.針對基于近紅外光譜的汽油牌號分類問題，將流型思想引入光譜的特征提取過程，提出了一種基于流型的局部分類算法。在該算法中，首先利用等度規(guī)映射（isometric mappi

3、ng，Isomap）的流型方法對光譜進行降維處理，而后采用最為常見的K近鄰法實現(xiàn)汽油牌號的識別分類。汽油牌號的分類測試實驗結(jié)果表明Isomap的降維比主成分分析(principal component analysis，PCA)更適合于體現(xiàn)不同牌號汽油樣本近紅外譜圖的特征信息。
　　 3.為解決不同牌號汽油拉曼光譜重疊問題，提出了一種基于相關(guān)分析加權(quán)的LSSVM分類算法。它以LSSVM分類算法為基礎(chǔ)，構(gòu)建了局部策略方法以進一步提

4、高分類的準確度。該局部策略選取鄰近樣本的標準同時包含了樣本間的歐式距離和樣本之間的相關(guān)程度。實驗結(jié)果表明，與目前常用的分類算法相比，基于相關(guān)分析加權(quán)的LSSVM分類算法具有更好的分類準確度。
　　 4.針對不同種類油品的分類問題，根據(jù)不同油品拉曼譜圖形狀差異性較大的實際，提出了一種基于相關(guān)分析的簡單分類算法。該算法與其他分類算法相比，原理簡單，無需復(fù)雜數(shù)學(xué)運算和人為設(shè)置參數(shù)，便予實際應(yīng)用。
　　 5.現(xiàn)有的最小二乘支持向

5、量機(least squares support vector machine，LSSVM)參數(shù)調(diào)整大都采用搜索尋優(yōu)策略，具有較大的盲目性，為此提出了一種基于鄰域樣本數(shù)的LSSVM參數(shù)調(diào)整方法。該算法以調(diào)整鄰域樣本的個數(shù)來調(diào)整LSSVM的預(yù)測性能，使得徑向基核函數(shù)無量綱化并減小了調(diào)整范圍，以特征值懲罰系數(shù)代替懲罰系數(shù)γ，只需對特征值懲罰系數(shù)作較寬范圍內(nèi)值的設(shè)定。實驗結(jié)果表明:在同樣的優(yōu)化水平上，該方法概念更加清晰，調(diào)整策略更加簡單，更便