减压馏分黏度指数的近红外预测研究

摘要

为了实现减压馏分油(VGO)黏度指数的快速预测,以70个VGO样品的近红外光谱及黏度指数数据为基础,利用随机森林回归算法建立了黏度指数的近红外预测模型.以随机森林算法中对各特征的重要性度量为依据,通过递归特征消除法对近红外光谱进行波长变量选择.优选出10个波长变量作为模型的输入特征,利用10折交叉验证法确定模型的超参数(回归树数量nt为150和节点分裂的特征数nv为5),构建一个更加稳健的随机森林预测模型.对于7个预测集的样本,其黏度指数的预测标准偏差RMSEP为2.28,决定系数R2为0.98,表明模型具有较高的准确度和泛化能力.