科學(xué)技術(shù)的進(jìn)步推動(dòng)著石化產(chǎn)業(yè)迅猛發(fā)展，國(guó)家加大了石油開(kāi)采及相關(guān)石化產(chǎn)業(yè)的投入力度，人們?cè)谖镔|(zhì)資源極大豐富的背景下卻忽略了對(duì)環(huán)境方面的關(guān)注。工礦企業(yè)在實(shí)際運(yùn)營(yíng)過(guò)程中會(huì)產(chǎn)生大量含有礦物油成分的污水，嚴(yán)重威脅著周邊水源安全和水體循環(huán)系統(tǒng)的穩(wěn)定，水質(zhì)檢測(cè)技術(shù)面臨前所未有挑戰(zhàn)。因此，快速準(zhǔn)確地檢測(cè)水中礦物油的種類(lèi)與含量對(duì)污染源及時(shí)排查和控制都具有及其重要的意義。 本文是以傅里葉變換紅外光譜(FTIR)技術(shù)為實(shí)驗(yàn)依托，結(jié)合衰減全反射(ATR)技術(shù)，運(yùn)用相關(guān)模型優(yōu)化方法為技術(shù)手段，實(shí)現(xiàn)對(duì)礦物油組分含量指標(biāo)模型的構(gòu)建。 直接測(cè)量水中礦物油的FTIR-ATR光譜時(shí)，由于礦物油其成分復(fù)雜，采集的光譜中易包含有異常光譜數(shù)據(jù)。為消除其影響，本文采用主成分分析(PCA)結(jié)合馬氏距離(Mahalanobis distance)的方法對(duì)包含異常數(shù)據(jù)的奇異樣品剔除。運(yùn)用PLS對(duì)剩余樣品分別采用隨機(jī)法、濃度梯度法、SPXY法建立回歸模型，采用回歸圖像擬合與評(píng)估指標(biāo)相結(jié)合的方式，擇優(yōu)選取樣品劃分法。對(duì)已劃分的樣品集采用化學(xué)計(jì)量學(xué)方法進(jìn)行建模，即分別采用PLS、IBPLS建模分析，優(yōu)選模型算法。為進(jìn)一步優(yōu)化建模，可對(duì)光譜數(shù)...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 石油組分及其危害
    1.3 課題研究的時(shí)代背景
    1.4 礦物油分析檢測(cè)技術(shù)
        1.4.1 重量法
        1.4.2 光學(xué)分析法
        1.4.3 其他檢測(cè)方法
    1.5 水中礦物油檢測(cè)國(guó)內(nèi)外研究概況
    1.6 課題來(lái)源及主要研究?jī)?nèi)容
        1.6.1 課題來(lái)源
        1.6.2 主要研究?jī)?nèi)容
第2章 傅里葉變換紅外光譜技術(shù)
    2.1 FTIR-ATR 原理
        2.1.1 近紅外光譜原理
        2.1.2 FTIR-ATR 原理
        2.1.3 FTIR 光譜儀的理論基礎(chǔ)
    2.2 NIR 常用的化學(xué)計(jì)量算法
        2.2.1 最小二乘法(CLS)
        2.2.2 多元線性回歸(MLR)
        2.2.3 主成分回歸法(PCR)
        2.2.4 偏最小二乘法(PLS)
    2.3 離散波長(zhǎng)模型的優(yōu)化
        2.3.1 遺傳算法(GA)
        2.3.2 無(wú)信息變量消除法(UVE)
        2.3.3 間隔偏最小二乘法(IPLS)
        2.3.4 相關(guān)系數(shù)法(CC)
    2.4 本章小結(jié)
第3章 模型優(yōu)化算法的研究
    3.1 奇異樣品的剔除
    3.2 樣品集的劃分
    3.3 迭代 BAGGING PLS 算法(IBPLS)
        3.3.1 Bagging 算法
        3.3.2 迭代 Bagging 算法
        3.3.3 迭代 Bagging PLS 算法
    3.4 模型的評(píng)價(jià)指標(biāo)
    3.5 構(gòu)建光譜預(yù)處理平臺(tái)
        3.5.1 SG 平滑(Savitzky Golay)
        3.5.2 光譜預(yù)處理平臺(tái)的構(gòu)建
    3.6 本章小結(jié)
第4章 柴油和汽油的紅外光譜分析
    4.1 實(shí)驗(yàn)儀器和數(shù)據(jù)采集
        4.1.1 實(shí)驗(yàn)樣品的配制
        4.1.2 FTIR-ATR 光譜實(shí)驗(yàn)
    4.2 實(shí)驗(yàn)中異常樣品的剔除
    4.3 樣品集的劃分
        4.3.1 隨機(jī)法
        4.3.2 含量梯度法
        4.3.3 SPXY 法
        4.3.4 校正集選取方法的比較
    4.4 PLS 與 IBPLS 建模的評(píng)估
        4.4.1 離散波段的 PLS 模型
        4.4.2 基于 PLS 光譜波段的優(yōu)選
        4.4.3 離散波段的 IBPLS 模型
        4.4.4 基于 IBPLS 光譜波段的優(yōu)選
    4.5 SG 平滑結(jié)合 IBPLS 模型分析
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄 A
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝
作者簡(jiǎn)介



本文編號(hào)：3859690