👨🎓个人主页:研学社的博客
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
红外光谱法(IR)属于分子振动光谱技术,波数范围在4000cm-1~400cm-1之间,它的原理是基于分子中各类官能团的特征吸收,信号强度高,且对微量组分仍能检测出信号,具有灵敏度高、特征性强的优点,因此红外光谱法在材料、化工、食品、医药等多个领域均有应用。
辛烷值是反映汽油抗爆性的重要指标,也被作为划分汽油牌号的依据。现有的标准辛烷值测量方法为研究法辛烷值(RON)、马达法辛烷值(MON),它们的准确度高,但测量过程十分不易,不仅需要专用的试验发动机设备,而且还需要配备各种抗爆性等级的标准混合燃料,存在分析时间长、测试成本高等缺点,为此需寻求一种快速的辛烷值检测方法。近年来分子振动光谱技术迅速发展,近红外光谱技术由于具有快速、无损的分析特点,也开始应用于汽油辛烷值的快速测量。与红外光谱法相比,近红外光谱信号弱且灵敏度低,对于汽油中微量组分(如添加剂、非烃类组分等)响应较差,因此可能会导致对辛烷值具有贡献的一些组分不能被识别出来,从而使得汽油辛烷值测量不够准确,而红外光谱法由于灵敏度高,能够很好地解决这一问题。本研究利用了FTIR-ATR测定了各汽油样品的红外光谱,并结合偏最小二乘法建立了汽油RON辛烷值定量模型,实现了汽油辛烷值的快速预测,为汽油RON辛烷值的测定提供了方法。
📚2 运行结果
部分代码:
%% 有监督学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测
%% 清空环境变量
clear all
clc
%% 训练集/测试集产生
load spectra_data.mat
% 随机产生训练集和测试集
temp = randperm(size(NIR,1));
% 训练集——50个样本
P_train = NIR(temp(1:50),:)';
T_train = octane(temp(1:50),:)';
% 测试集——10个样本
P_test = NIR(temp(51:end),:)';
T_test = octane(temp(51:end),:)';
N = size(P_test,2);
%% 有监督学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测
%% 清空环境变量
clear all
clc
%% 训练集/测试集产生
load spectra_data.mat
% 随机产生训练集和测试集
temp = randperm(size(NIR,1));
% 训练集——50个样本
P_train = NIR(temp(1:50),:)';
T_train = octane(temp(1:50),:)';
% 测试集——10个样本
P_test = NIR(temp(51:end),:)';
T_test = octane(temp(51:end),:)';
N = size(P_test,2);
%% 有监督学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测
%% 清空环境变量
clear all
clc
%% 训练集/测试集产生
load spectra_data.mat
% 随机产生训练集和测试集
temp = randperm(size(NIR,1));
% 训练集——50个样本
P_train = NIR(temp(1:50),:)';
T_train = octane(temp(1:50),:)';
% 测试集——10个样本
P_test = NIR(temp(51:end),:)';
T_test = octane(temp(51:end),:)';
N = size(P_test,2);
🎉3 参考文献
部分理论来源于网络,如有侵权请联系删除。
[1]丁怡曼,薛晓康,范宾,董学胜,舒耀皋.基于PLS-红外光谱的汽油辛烷值测定方法研究[J].化学研究与应用,2021,33(05):863-867.