CN104215601B - 一种基于自动添加虚拟光谱点的油品性质建模方法 - Google Patents

Abstract

一种基于自动添加虚拟光谱点的油品性质建模方法，该方法基于油品近红外光谱数据库，通过对虚拟光谱点自动添加及过滤，获得符合建模需求的虚拟样本，加入近红外光谱数据库。本发明的自动添加虚拟光谱点的方法，可快速产生建模所需要的虚拟样品，解决了人工指定比例添加过程中，由于逐个检查虚拟样本是否有必要添加导致的时间和成本的消耗问题。该方法基于油品近红外光谱数据库，结合光谱过滤算法对添加的光谱点进行过滤，获得符合建模需求的虚拟样本，有效性高。

Description

一种基于自动添加虚拟光谱点的油品性质建模方法

技术领域

本发明涉及油品性质的近红外建模方法，尤其涉及当油品光谱数据库中样本较少情景下的一种基于自动添加虚拟光谱点的油品性质建模方法。

背景技术

拓扑学建模是化学计量学的一个重要分支，在油品性质预测中有着广泛的应用。拓扑学建模是以油品光谱数据库为基础，基于数据库中油品的光谱特征，对邻近油品进行模式识别，进而实现油品性质预测的技术。

为了获得准确的油品性质预测结果，需建立含有大量样本的油品光谱数据库。在建立油品光谱数据库时，所有样本的光谱及对应的性质数据均可完全采用传统的分析测试实验获得，但这种方法成本高，时间长。由近红外光谱的朗伯－比耳定律可知，近红外光谱具有加和特性，因此，在建立油品调合规则后，可通过建立虚拟样品，作为对传统分析实验数据的补充，这种方法尤其适合于混合油品的建模。

目前在向光谱库添加虚拟样品时，主要是通过人为指定比例，产生大量的虚拟样品后，再人工逐个检查虚拟样品是否有必要添加，耗时费力。

发明内容

本发明的目的是针对目前在向光谱库添加虚拟样品时，主要是通过人为指定比例，产生大量的虚拟样品后，再人工逐个检查虚拟样品是否有必要添加，耗时费力的问题，提出一种基于自动添加虚拟光谱点的油品性质建模方法。

本发明的技术方案是：

一种基于自动添加虚拟光谱点的油品性质建模方法，该方法基于油品近红外光谱数据库，通过对虚拟光谱点自动添加及过滤，获得符合建模需求的虚拟样本，加入近红外光谱数据库。

本发明中，对虚拟光谱点自动添加是指：对于光谱库中的m个组分油即m个光谱点C₁，C₂…C_m，按指定的比例范围混合计算产生大量虚拟光谱点，光谱点记录形式为样本名称、样本光谱数据和样本属性数据。

本发明中，混合计算产生大量虚拟光谱点是指：选择光谱库中全部原油光谱进行配对时，混合光谱或性质计算需按E为比例间隔进行比例变化，并使全部原油光谱点的混合比例总和为1：

参与混合的光谱组中有m个光谱样本，比例间隔E满足式(1)：

$\frac{1}{2}\&times;r\&times;\min (D_{\mathrm{1,2}},D_{\mathrm{1,3}},\&CenterDot;\&CenterDot;\&CenterDot;D_{(m-1),m})\&le;E<r\&times;\min (D_{\mathrm{1,2}},D_{\mathrm{1,3}},\&CenterDot;\&CenterDot;\&CenterDot;D_{(m-1),m})\&CenterDot;\&CenterDot;\&CenterDot;\left(1\right)$

其中D_1,2,D_1,3,…D_(m-1),m分别为参与混合的m个光谱点中任两个光谱点的光谱距离数，r为混合计算的步长调节系数。

本发明中，产生虚拟光谱点后，采用光谱过滤算法对虚拟光谱点进行过滤，得到过滤后的光谱代表点。

本发明中，所述的光谱过滤算法包括下列步骤：

(1)计算n个虚拟光谱点中的任两个光谱点的光谱距离数D_i,j，如公式(2)所示；

$D_{i,j}=\frac{100\&times;d_{i,j}}{d_{\max }}\&CenterDot;\&CenterDot;\&CenterDot;\left(2\right)$

$d_{i,j}=\sqrt{\underset{\mathrm{\&lambda;}}{\mathrm{\&Sigma;}}{(A_{\mathrm{\&lambda;},i}-A_{\mathrm{\&lambda;},j})}^2}\&CenterDot;\&CenterDot;\&CenterDot;\left(3\right)$

d_max＝max(d_i,j)…(4)

公式(2)中，n为虚拟光谱点的总数，i、j为n个虚拟光谱点中的任两个光谱样本序号；i为1，2，3…n；j为1，2，3…n；d_i,j为编号i和j的虚拟光谱点间的光谱距离；d_max为任两个光谱样本间的光谱距离数d_i,j中最大的光谱距离数；λ为光谱波数；A_λ,i，A_λ,j分别为编号为i和j的虚拟光谱点在波数λ处的吸光度；A_λ,i-A_λ,j通过公式(5)计算得到：

$\begin{array}{c}{A}_{\mathrm{\&lambda;},i}-A_{\mathrm{\&lambda;},j}\\ =(C_{\mathrm{\&lambda;},1}{k}_{1,i}+C_{\mathrm{\&lambda;},2}{k}_{2,i}+C_{\mathrm{\&lambda;},3}{k}_{3,i}\&CenterDot;\&CenterDot;\&CenterDot;+C_{\mathrm{\&lambda;},m}{k}_{m,i})-\\ (C_{\mathrm{\&lambda;},1}{k}_{1,j}+C_{\mathrm{\&lambda;},2}{k}_{2,j}+C_{\mathrm{\&lambda;},3}{k}_{3,j}\&CenterDot;\&CenterDot;\&CenterDot;+C_{\mathrm{\&lambda;},m}{k}_{m,i})\\ =\underset{q=1}{\overset{m}{\mathrm{\&Sigma;}}}{C}_{\mathrm{\&lambda;},q}(k_{q,i}-k_{q,j})\end{array}---\left(5\right)$

公式(5)中，C_λ,1，C_λ,2，C_λ,3…C_λ,m分别为参与混合的第1，2，…m个组分油在波数λ下的吸光度；k_1,i,k_2,i,k_3,i…k_m,i为生成第i个光谱样本时的各组分油的混合比例；k_1,j,k_2,j,k_3,j…k_m,j为生成第j个光谱样本时各组分油的混合比例；q为参与混合的组分油序号。

(2)构建n行n列光谱距离数矩阵B，n为虚拟光谱点的总数，B如下所示：

$B=\left[\begin{array}{cccc}{D}_{\mathrm{1,1}}& D_{1,2}& \&CenterDot;\&CenterDot;\&CenterDot;& D_{1,n}\\ D_{\mathrm{2,1}}& D_{\mathrm{2,2}}& \&CenterDot;\&CenterDot;\&CenterDot;& D_{2,n}\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ D_{n,1}& D_{n,2}& \&CenterDot;\&CenterDot;\&CenterDot;& D_{n,n}\end{array}\right]$

(3)构建n行n列矩阵R，判断任两个光谱的光谱距离数D_i,j是否小于光谱距离数指标D_s，若D_i,j<D_s，则构建的R矩阵的i行j列的元素值为1，否则为0；

$R=\left[\begin{array}{cccc}1& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0\\ 0& 1& \&CenterDot;\&CenterDot;\&CenterDot;& 1\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ 0& 1& \&CenterDot;\&CenterDot;\&CenterDot;& 1\end{array}\right]$

(4)对光谱距离数矩阵B的每行求平方和，构建n行列向量SB；

$\mathrm{SB}=\left[\begin{array}{c}{D}_{\mathrm{1,1}}^2+D_{\mathrm{1,2}}^2+...+D_{1,n}^2\\ D_{\mathrm{2,1}}^2+D_{\mathrm{2,2}}^2+...+D_{2,n}^2\\ \&CenterDot;\\ \&CenterDot;\\ \&CenterDot;\\ D_{n,1}^2+D_{n,2}^2+...+D_{n,n}^2\end{array}\right]$

(5)构建n行列向量C表示选中的光谱，C＝[C₁、C₂、…C_n]^T，初始时C₁＝C₂＝...＝C_n＝0；对n行列向量SB中的值按从小到大的顺序计算相应的第i行光谱的邻近光谱数量；当计算SB的第i行时，该行光谱的邻近光谱数量C_i为：C_i＝R_i×C，其中R_i为矩阵R的第i行向量；若C_i<C_s，则该光谱允许加入近红外光谱数据库，否则，不允许加入；C_s为允许的光谱数量指标，将n行列向量C中第i行的元素数值置为1，按照前述方法计算n行列向量SB中每行元素的的邻近光谱数量，确定所有元素是否加入近红外光谱数据库，即可获得选中的全部光谱。

本发明中，光谱距离数指标D_s取40-60。

本发明中，光谱波数λ选取择特征波数在4000～4740范围内的吸光度。

本发明中，过滤后的样本属性数据采用线性或非线性调合规则来计算虚拟光谱性质，其中，采用的线性混合规则如下：

Mp＝k_1f×C_1p+k_2f×C_2p+…+k_mf×C_mp (6)

式中，Mp为过滤后的虚拟光谱点的属性数据；C_1p,C_2p…C_mp为参与混合计算的光谱库光谱点C₁，C₂…C_m的属性数据；k_1f,k_2f…k_mp为参与混合计算的光谱点C₁，C₂…C_m的混合比例。

本发明的有益效果是：

本发明的自动添加虚拟光谱点的方法，可快速产生建模所需要的虚拟样品，解决了人工指定比例添加过程中，由于逐个检查虚拟样本是否有必要添加导致的时间和成本的消耗问题。该方法基于油品近红外光谱数据库，结合光谱过滤算法对添加的光谱点进行过滤，获得符合建模需求的虚拟样本，有效性高。

附图说明

图1油品性质建模的自动添加虚拟光谱点过程总体流程框图

具体实施过程

下面结合附图及具体算例，给出详细的计算过程和具体操作流程，以对本发明做进一步说明。本实施算例在以本发明技术方案为前提下进行实施，但本发明的保护范围不限于下述的实施算例。

具体实施过程如下：

(1)对光谱库中的3个光谱点编号，3个光谱点的光谱数据如下表1所示：

表1 光谱库中样本的光谱数据

光谱点编号

4740

4725

4696

4672

4740

4725

1	.00143182	.00095246	-.00066725	-.0020885	-.00331677	-.00527129
							2	.00036395	.00025735	-.00017595	-.00053899	-.00089399	-.0014473
3	.00128695	.00092121	-.0004455	-.00165804	-.00265323	-.00439909
							光谱点编号	4600	4575	4549	4528	4502	4472
1	-.00728903	-.01081516	-.01200348	-.00069961	-.00172855	.00082354
							2	-.00206221	-.0027595	-.00286033	.00137067	.0029302	.00954746
3	-.00623314	-.00948846	-.01287009	-.0137624	-.01129576	.01606877
							光谱点编号	4452	4436	4404	4376	4350	4328
1	.03123001	.03389202	-.00570896	-.00023583	-.00307413	.02747757
							2	.01199669	.00659647	.00718505	.00372771	.01479797	.00516702
3	.01833804	.02745938	.04054381	.00661269	-.01526736	-.03191365
							光谱点编号	4305	4275	4248	4224	4200	4176
1	.04997276	.01973755	.01149809	-.01624138	-.01546467	-.02828355
							2	.01648418	.01612712	.00914692	.00816791	.00702543	-.01573545
3	.02298785	.01778691	.00641	-.00853068	-.01457864	-.05567158
							光谱点编号	4149	4124	4100	4072	4050	4025
1	-.00519543	.03062444	.0177058	-.03617237	.05560549	.01908539
							2	-.00072444	.02020495	.0091168	.00788813	.02346226	.00066205
3	-.05306962	.01068575	.02705196	-.00249106	.02033004	-.01323544

(2)计算任意俩光谱点的光谱距离数，确定比例间隔E；

$d_{\mathrm{1,2}}=\sqrt{\underset{\mathrm{\&lambda;}}{\mathrm{\&Sigma;}}{(A_{\mathrm{\&lambda;},1}-A_{\mathrm{\&lambda;},2})}^2}=0.097225;$

$d_{1,3}=\sqrt{\underset{\mathrm{\&lambda;}}{\mathrm{\&Sigma;}}{(A_{\mathrm{\&lambda;},1}-A_{\mathrm{\&lambda;},3})}^2}=0.126561;$

$d_{2,3}=\sqrt{\underset{\mathrm{\&lambda;}}{\mathrm{\&Sigma;}}{(A_{\mathrm{\&lambda;},2}-A_{\mathrm{\&lambda;},3})}^2}=0.102172;$

d_max＝max(d_1,2,d_1,3,d_2,3)＝0.126561

$D_{1,2}=\frac{100\&times;d_{\mathrm{1,2}}}{d_{\max }}=76.8205{;D}_{\mathrm{1,3}}=\frac{100\&times;d_{\mathrm{1,3}}}{d_{\max }}=100;D_{\mathrm{2,3}}=\frac{100\&times;d_{\mathrm{2,3}}}{d_{\max }}=80.7293;$

min(D_1,2,D_1,3,D_2,3)＝76.8205

$\frac{1}{2}\&times;r\&times;\min (D_{\mathrm{1,2}},D_{\mathrm{1,3}},\&CenterDot;\&CenterDot;\&CenterDot;D_{(m-1),m})\&le;E<r\&times;\min (D_{\mathrm{1,2}},D_{\mathrm{1,3}},\&CenterDot;\&CenterDot;\&CenterDot;D_{(m-1),m})$

依据经验，给定步长r＝0.5，则E需满足下式：

19.2126≤E<38.42525

(3)根据比例间隔E的范围，选择E＝25，获得几个混合比例如下表2所示：

表2 参与混合样本间的混合比例

序号

光谱编号

混合比例

序号

光谱编号

混合比例

1	(1，2)	(25％，75％)	7	(1，3)	(50％，50％)
						2	(1，2)	(50％，50％)	8	(1，3)	(75％，25％)
3	(1，2)	(75％，25％)	9	(2，3)	(25％，75％)
						4	(2，3)	(75％，25％)	10	(2，3)	(50％，50％)
5	(1，3)	(25％，75％)	11	(1，2，3)	(0.25，0.50，0.25)
						6	(1，2，3)	(0.25，0.25，0.50)	12	(1，2，3)	(0.50，0.25，0.25)

(4)根据参与混合的光谱点光谱数据，按指定的混合比例计算产生12个虚拟样本点，

对应的光谱数据如表3所示。

表3

(5)采用光谱过滤算法对12个虚拟光谱点进行过滤，步骤如下所示：

I、计算12个光谱点中的任两个光谱的光谱距离数D_i,j，公式如下所示：

$D_{i,j}=\frac{100\&times;d_{i,j}}{d_{\max }};d_{i,j}=\sqrt{\underset{\mathrm{\&lambda;}}{\mathrm{\&Sigma;}}{(A_{\mathrm{\&lambda;},i}-A_{\mathrm{\&lambda;},j})}^2};d_{\max }=\max \left(d_{i,j}\right)$

结果如表4所示：

表4 虚拟光谱间的光谱距离数

	D1,2	D1,3	D1,4	D1,5	D1,6	D1,7
							光谱距离	25.61	51.21	33.33	80.73	53.82	63.95
	D1,8	D1,9	D1,10	D1,11	D1,12	D2,3
							光谱距离	62.33	79.79	54.91	26.91	40.60	25.61
	D2,4	D2,5	D2,6	D2,7	D2,8	D2,9
							光谱距离	53.00	79.79	54.91	53.82	40.60	86.76
	D2,10	D2,11	D2,12	D3,4	D3,5	D3,6
							光谱距离	66.67	33.33	26.91	76.28	86.76	66.67
	D3,7	D3,8	D3,9	D3,10	D3,11	D3,12
							光谱距离	54.91	26.91	100.00	84.77	53.00	33.33
	D4,5	D4,6	D4,7	D4,8	D4,9	D4,10
							光谱距离	63.95	40.60	62.33	76.82	53.82	26.91
	D4,11	D4,12	D5,6	D5,7	D5,8	D5,9
							光谱距离	25.61	51.21	26.91	33.33	66.67	25.61
	D5,10	D5,11	D5,12	D6,7	D6,8	D6,9
							光谱距离	40.60	53.82	54.91	25.61	53.00	33.33
	D6,10	D6,11	D6,12	D7,8	D7,9	D7,10
							光谱距离	25.61	26.91	33.33	33.33	53.00	51.21
	D7,11	D7,12	D8,9	D8,10	D8,11	D8,12
							光谱距离	40.60	26.91	84.77	76.28	51.21	25.61
	D9,10	D9,11	D9,12	D10,11	D10,12	D11,12
							光谱距离	26.91	54.91	66.67	33.33	53.00	25.61

II、构建12行12列光谱距离数矩阵B，如下所示：

$B=\left[\begin{array}{cccc}{D}_{\mathrm{1,1}}& D_{1,2}& \&CenterDot;\&CenterDot;\&CenterDot;& D_{1,n}\\ D_{\mathrm{2,1}}& D_{\mathrm{2,2}}& \&CenterDot;\&CenterDot;\&CenterDot;& D_{2,n}\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ D_{n,1}& D_{n,2}& \&CenterDot;\&CenterDot;\&CenterDot;& D_{n,n}\end{array}\right]$

对光谱距离数四舍五入取整，构建光谱距离数矩阵B：

$B=\left[\begin{array}{cccccccccccc}0& 26& 51& 33& 81& 54& 64& 62& 80& 55& 27& 41\\ 26& 0& 26& 53& 80& 55& 54& 41& 87& 67& 33& 27\\ 51& 26& 0& 76& 87& 67& 55& 37& 100& 85& 53& 33\\ 33& 53& 76& 0& 64& 41& 62& 77& 54& 27& 26& 51\\ 81& 80& 87& 64& 0& 27& 33& 67& 26& 41& 54& 55\\ 54& 55& 67& 41& 27& 0& 26& 53& 33& 26& 27& 33\\ 64& 54& 55& 62& 33& 26& 0& 33& 53& 51& 41& 27\\ 62& 41& 37& 77& 67& 53& 33& 0& 85& 76& 51& 26\\ 80& 87& 100& 54& 26& 33& 53& 85& 0& 27& 55& 67\\ 55& 67& 85& 27& 41& 26& 51& 76& 27& 0& 33& 53\\ 27& 33& 53& 26& 54& 27& 41& 51& 55& 33& 0& 26\\ 41& 27& 33& 51& 55& 33& 27& 26& 67& 53& 26& 0\end{array}\right]$

III、构建12行12列矩阵R。判断任两个光谱的光谱距离数D_i,j是否小于光谱距离数指标D_s(经验值，此处取值为50)，若D_i,j<D_s,则构建的R矩阵的i行j列的元素值为1，否则为0；

$R=\left[\begin{array}{cccccccccccc}1& 1& 0& 1& 0& 0& 0& 0& 0& 0& 1& 1\\ 1& 1& 1& 0& 0& 0& 0& 1& 0& 0& 1& 1\\ 0& 1& 1& 0& 0& 0& 0& 1& 0& 0& 0& 1\\ 1& 0& 0& 1& 0& 1& 0& 0& 0& 1& 1& 0\\ 0& 0& 0& 0& 1& 1& 1& 0& 1& 1& 0& 0\\ 0& 0& 0& 1& 1& 1& 1& 0& 1& 1& 1& 1\\ 0& 0& 0& 0& 1& 1& 1& 1& 0& 0& 1& 1\\ 0& 1& 1& 0& 0& 0& 1& 1& 0& 0& 0& 1\\ 0& 0& 0& 0& 1& 1& 0& 0& 1& 1& 0& 0\\ 0& 0& 0& 1& 1& 1& 0& 0& 1& 1& 1& 0\\ 1& 1& 0& 1& 0& 1& 1& 0& 0& 1& 1& 1\\ 1& 1& 1& 0& 0& 1& 1& 1& 0& 0& 1& 1\end{array}\right]$

IV、对光谱距离数矩阵B的每行求平方和，构建12行列向量SB；

$\mathrm{SB}=\left[\begin{array}{c}33532\\ 31855\\ 45915\\ 32163\\ 38997\\ 19796\\ 24568\\ 36807\\ 46736\\ 30760\\ 17974\\ 19522\end{array}\right]$

V、对12行列向量SB中的值按从小到大排序；构建12行列向量C表示选中的光谱，初始时C＝[0 0 0 0 0 0 0 0 0 0 0 0]^T；

当SB值最小为第11行时：

C₁₁＝R₁₁×C＝[1 1 0 1 0 1 1 0 0 1 1 1]·[0 0 0 0 0 0 0 0 0 0 0 0]^T＝0

判断C₁₁＜C_s(C_s＝3)；C₁₁＝1；C＝[0 0 0 0 0 0 0 0 0 0 1 0]^T

SB为第12行时：

C₁₂＝R₁₂×C＝[1 1 1 0 0 1 1 1 0 0 1 1]·[0 0 0 0 0 0 0 0 0 0 1 0]^T＝1

判断C₁₁＜C_s(C_s＝3)；C₁₂＝1；C＝[0 0 0 0 0 0 0 0 0 0 1 1]^TSB为第6行时：

C₆＝R₆×C＝[0 0 0 1 1 1 1 0 1 1 1 1]·[0 0 0 0 0 0 0 0 0 0 1 1]^T＝2

判断C₆＜C_s(C_s＝3)；C₆＝1；C＝[0 0 0 0 0 1 0 0 0 0 1 1]^TSB为第7行时：

C₇＝R₇×C＝[0 0 0 0 1 1 1 1 0 0 1 1]·[0 0 0 0 0 1 0 0 0 0 1 1]^T＝3

判断C₇≮C_s(C_s＝3)；C₇＝0；C＝[0 0 0 0 0 1 0 0 0 0 1 1]^TSB为第10行时：

C₁₀＝R₁₀×C＝[0 0 0 1 1 1 0 0 1 1 1 0]·[0 0 0 0 0 1 0 0 0 0 1 1]^T＝2判断C₁₀＜C_s(C_s＝3)；C₁₀＝1；C＝[0 0 0 0 0 1 0 0 0 1 1 1]^T

SB为第2行时：

C₂＝R₂×C＝[1 1 1 0 0 0 0 1 0 0 1 1]·[0 0 0 0 0 1 0 0 0 1 1 1]^T＝2判断C₂＜C_s(C_s＝3)；C₂＝1；C＝[0 1 0 0 0 1 0 0 0 1 1 1]^T

SB为第4行时：

C₄＝R₄×C＝[1 0 0 1 0 1 0 0 0 1 1 0]·[0 1 0 0 0 1 0 0 0 1 1 1]^T＝3判断C₄≮C_s(C_s＝3)；C₄＝0；C＝[0 1 0 0 0 1 0 0 0 1 1 1]^T

SB为第1行时：

C₁＝R₁×C＝[1 1 0 1 0 0 0 0 0 0 1 1]·[0 1 0 0 0 1 0 0 0 1 1 1]^T＝3判断C₁≮C_s(C_s＝3)；C₁＝0；C＝[0 1 0 0 0 1 0 0 0 1 1 1]^T

SB为第8行时：

C₈＝R₈×C＝[0 1 1 0 0 0 1 1 0 0 0 1]·[0 1 0 0 0 1 0 0 0 1 1 1]^T＝2判断C₈＜C_s(C_s＝3)；C₈＝1；C＝[0 1 0 0 0 1 0 1 0 1 1 1]^T

SB为第5行时：

C₅＝R₅×C＝[0 0 0 0 1 1 1 0 1 1 0 0]·[0 1 0 0 0 1 0 1 0 1 1 1]^T＝2判断C₅＜C_s(C_s＝3)；C₅＝1；C＝[0 1 0 0 1 1 0 1 0 1 1 1]^T

SB为第3行时：

C₃＝R₃×C＝[0 1 1 0 0 0 0 1 0 0 0 1]·[0 1 0 0 1 1 0 1 0 1 1 1]^T＝3判断C₃≮C_s(C_s＝3)；C₃＝0；C＝[0 1 0 0 1 1 0 1 0 1 1 1]^T

SB为第9行时：

C₉＝R₉×C＝[0 0 0 0 1 1 0 0 1 1 0 0]·[0 1 0 0 1 1 0 1 0 1 1 1]^T＝3

判断C₉≮C_s(C_s＝3)；C₉＝0；C＝[0 1 0 0 1 1 0 1 0 1 1 1]^T

通过此算法，可获得虚拟光谱代表点的光谱编号为2、5、6、8、10、11和12。

(6)采用线性调合规则来计算得到的代表点的属性，此处以研究法辛烷值为例。

参与混合的光谱点的研究法辛烷值如表5所示：

表5 光谱库中样本的研究法辛烷值

光谱编号	研究法辛烷值
		1	81.5
2	80
		3	82

经过滤算法过滤后得到的虚拟光谱代表点及相应混合比例如表6所示：

表6 虚拟光谱代表点及相应混合比例

虚拟光谱点序号	光谱编号	混合比例
			2	(1，2)	(50％，50％)
5	(1，3)	(25％，75％)
			6	(1，2，3)	(0.25，0.25，0.50)
8	(1，3)	(75％，25％)
			11	(1，2，3)	(0.25，0.50，0.25)
12	(1，2，3)	(0.50，0.25，0.25)

采用下列线性混合规则计算虚拟光谱代表点的研究法辛烷值：

Mp＝k_1f×C_1p+k_2f×C_2p+…+k_mf×C_mp

式中，Mp为过滤后的虚拟光谱点的属性数据；C_1p,C_2p…C_mp为参与混合计算的光谱库光谱点C₁，C₂…C_m的属性数据；k_1f,k_2f…k_mp为参与混合计算的光谱点C₁，C₂…C_m的混合比例。

Mp₂＝81.5×0.50+80×0.50＝80.75

同理，经计算可得：

Mp₅＝81.875；Mp₆＝81.375；Mp₈＝81.625；Mp₁₁＝80.875；Mp₁₂＝81.25。

Claims (5)

1.一种基于自动添加虚拟光谱点的油品性质建模方法，其特征在于该方法基于油品近红外光谱数据库，通过对虚拟光谱点自动添加及过滤，获得符合建模需求的虚拟样本，加入近红外光谱数据库；

对虚拟光谱点自动添加是指：对于光谱库中的m个组分油即m个光谱点C₁，C₂…C_m，按指定的比例范围混合计算产生大量虚拟光谱点，光谱点记录形式为样本名称、样本光谱数据和样本属性数据；

混合计算产生大量虚拟光谱点是指：选择光谱库中全部原油光谱进行配对时，混合光谱或性质计算需按E为比例间隔进行比例变化，并使全部原油光谱点的混合比例总和为1：

参与混合的光谱组中有m个光谱样本，比例间隔E满足式(1)：

$\frac{1}{2}\&times;r\&times;min(D_{1,2},D_{1,3},...D_{(m-1),m})\&le;E<r\&times;min(D_{1,2},D_{1,3},...D_{(m-1),m})\mathrm{...}\left(1\right)$

其中D_1,2,D_1,3,…D_(m-1),m分别为参与混合的m个光谱点中任两个光谱点的光谱距离数，r为混合计算的步长调节系数。

2.根据权利要求1所述的基于自动添加虚拟光谱点的油品性质建模方法，其特征在于产生虚拟光谱点后，采用光谱过滤算法对虚拟光谱点进行过滤，得到过滤后的光谱代表点。

3.根据权利要求2所述的基于自动添加虚拟光谱点的油品性质建模方法，其特征在于：所述的光谱过滤算法包括下列步骤：

(1)计算n个虚拟光谱点中的任两个光谱点的光谱距离数D_i,j，如公式(2)所示；

$D_{i,j}=\frac{100\&times;d_{i,j}}{d_{max}}\mathrm{...}\left(2\right)$

$d_{i,j}=\sqrt{\underset{\mathrm{\&lambda;}}{\mathrm{\&Sigma;}}{(A_{\mathrm{\&lambda;},i}-A_{\mathrm{\&lambda;},j})}^2}\mathrm{...}\left(3\right)$

d_max＝max(d_i,j)…(4)

公式(2)中，i、j为n个虚拟光谱点中的任两个光谱样本序号；i为1，2，3…n；j为1，2，3…n；n为虚拟光谱点的总数，d_i,j为编号i和j的虚拟光谱点间的光谱距离；d_max为任两个光谱样本间的光谱距离数d_i,j中最大的光谱距离数；λ为光谱波数；A_λ,i，A_λ,j分别为编号为i和j的虚拟光谱点在波数λ处的吸光度；A_λ,i-A_λ,j通过公式(5)计算得到：

$\begin{array}{c}{A}_{\mathrm{\&lambda;},i}-A_{\mathrm{\&lambda;},j}\\ =(C_{\mathrm{\&lambda;},1}{k}_{1,i}+C_{\mathrm{\&lambda;},2}{k}_{2,i}+C_{\mathrm{\&lambda;},3}{k}_{3,i}\mathrm{...}+C_{\mathrm{\&lambda;},m}{k}_{m,i})-\\ (C_{\mathrm{\&lambda;},1}{k}_{1,j}+C_{\mathrm{\&lambda;},2}{k}_{2,j}+C_{\mathrm{\&lambda;},3}{k}_{3,j}\mathrm{...}+C_{\mathrm{\&lambda;},n}{k}_{m,j})\\ =\underset{q=1}{\overset{m}{\mathrm{\&Sigma;}}}{C}_{\mathrm{\&lambda;},q}(k_{q,i}-k_{q,j})\end{array}---\left(5\right)$

公式(5)中，C_λ,1，C_λ,2，C_λ,3…C_λ,m分别为参与混合的第1，2，…m个组分油在波数λ下的吸光度；k_1,i,k_2,i,k_3,i…k_m,i为生成第i个光谱样本时的各组分油的混合比例；k_1,j,k_2,j,k_3,j…k_m,j为生成第j个光谱样本时各组分油的混合比例；q为参与混合的组分油序号；

(2)构建n行n列光谱距离数矩阵B，n为虚拟光谱点的总数，B如下所示：

$B=\left[\begin{array}{cccc}{D}_{1,1}& D_{1,2}& \mathrm{...}& D_{1,n}\\ D_{2,1}& D_{2,2}& \mathrm{...}& D_{2,n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ D_{n,1}& D_{n,2}& \mathrm{...}& D_{n,n}\end{array}\right]$

(3)构建n行n列矩阵R，判断任两个光谱的光谱距离数D_i,j是否小于光谱距离数指标D_s，若D_i,j<D_s，则构建的R矩阵的i行j列的元素值为1，否则为0；

$R=\left[\begin{array}{cccc}1& 0& ...& 0\\ 0& 1& ...& 1\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ 0& 1& ...& 1\end{array}\right]$

(4)对光谱距离数矩阵B的每行求平方和，构建n行列向量SB；

$SB=\left[\begin{array}{c}{D}_{1,1}^2+D_{1,2}^2+\mathrm{...}+D_{1,n}^2\\ D_{2,1}^2+D_{2,2}^2+\mathrm{...}+D_{2,n}^2\\ .\\ .\\ .\\ D_{n,1}^2+D_{n,2}^2+\mathrm{...}+D_{n,n}^2\end{array}\right]$

(5)构建n行列向量C表示选中的光谱，C＝[C₁、C₂、…C_n]^T，初始时C₁＝C₂＝...＝C_n＝0；对n行列向量SB中的值按从小到大的顺序计算相应的第i行光谱的邻近光谱数量；当计算SB的第i行时，该行光谱的邻近光谱数量C_i为：C_i＝R_i×C，其中R_i为矩阵R的第i行向量；若C_i<C_s，则该光谱允许加入近红外光谱数据库，否则，不允许加入；C_s为允许的光谱数量指标，将n行列向量C中第i行的元素数值置为1，按照前述方法计算n行列向量SB中每行元素的邻近光谱数量，确定所有元素是否加入近红外光谱数据库，即可获得选中的全部光谱。

4.根据权利要求2所述的基于自动添加虚拟光谱点的油品性质建模方法，其特征在于：光谱距离数指标D_s取40-60。

5.根据权利要求2所述的基于自动添加虚拟光谱点的油品性质建模方法，其特征在于过滤后的样本属性数据采用线性或非线性调合规则来计算虚拟光谱性质，其中，采用的线性混合规则如下：

Mp＝k_1f×C_1p+k_2f×C_2p+…+k_mf×C_mp (6)

式中，Mp为过滤后的虚拟光谱点的属性数据；C_1p,C_2p…C_mp为参与混合计算的光谱库光谱点C₁，C₂…C_m的属性数据；k_1f,k_2f…k_mf为参与混合计算的光谱点C₁，C₂…C_m的混合比例。