基于PCA-SVM的柴油凝点近红外光谱软测量法

摘要

提出一种基于PCA-SVM及近红外(NIR)光谱分析技术的柴油凝点软测量方法.首先,采用多项式卷积对原始的柴油NIR光谱数据进行光谱平滑、基线校正和标准归一化;然后,利用主元分析(PCA)对近红外光谱数据集的高维特征进行组合并向低维空间投影,降低了输入维数,提高了各维特征的敏感性;最后,利用SVM回归算法建立凝点的软测量模型.用一个含120个样本的401维柴油近红外全光谱数据集进行建模和检验,通过PCA后,全光谱数据集的特征被降到了6维并保留了99.6％的信息.进一步的实验结果表明,采用PCA提取特征进行软测量建模的性能要普遍优于直接作用在光谱波长域的方法.与BP、SVM及PCA-BP方法相比,所提方法建立的柴油凝点软测量模型具有更高的测量精度,且与标准方法测量的结果更为接近,因此为柴油凝点的在线测定又提供了一种可选方法.