在线自适应波长选择方法及其在汽油调和过程中的应用

摘要

近红外光谱分析技术作为一种非侵入性的分析手段在工业上得到了广泛应用.然而,大多数近红外模型的波长选择方法是离线建立的,无法有效跟踪过程特性的变化.提出了一种新的在线自适应波长选择方法——在线自适应区间高斯过程回归波长选择方法(adaptive interval Gaussian process regression,AIGPR),并用于汽油调和过程中的近红外模型的建立.该方法可以根据待测样本的特性对波长结构进行调整.为了降低在线应用的计算成本,该方法分为离线和在线两个部分,离线部分将光谱分割成若干个波长区间,并在每个波长区间上建立局部模型,为在线应用做准备;在线部分中根据划分规则将采样得到待测样本光谱进行分割并代入相应的局部模型中计算波长区间重要性指标,获得最优波长区间.在汽油辛烷值的光谱数据上证明了该方法的有效性.与重要变量投影法和改进的相关系数法相比,该方法具有更好的性能.