基于拉曼光谱的柴油理化指标测定方法、系统和存储介质与流程

1.本发明涉及柴油检测技术领域，尤其涉及一种基于拉曼光谱的柴油理化指标测定方法、系统和存储介质。

背景技术：

2.柴油是轻质石油产品，复杂烃类混合物，主要由原油蒸馏、催化裂化、热裂化、加氢列化、石油焦化等过程生成的柴油馏分调配而成，也可由页岩油加工和煤液化制取，广泛用于车辆、舰船。柴油的品质与其理化指标直接相关，柴油的理化指标有十六烷值和总硫含量等，它们决定了柴油的着火性、流动性、污染程度。每个指标都有对应的国标检测方法(燃烧法、滴定法、蒸馏、过滤等)，但相对而言操作较为繁琐。
3.因此，亟需提供一种技术方案解决上述技术问题。

技术实现要素：

4.为解决上述技术问题，本发明提供了一种基于拉曼光谱的柴油理化指标测定方法、系统和存储介质。
5.本发明的基于拉曼光谱的柴油理化指标测定方法的技术方案如下：
6.基于每种柴油样本的理化指标测量值和每种柴油样本对应的多个第一拉曼光谱数据，对用于柴油理化指标预测的原始xgboost模型进行迭代训练，得到目标xgboost模型；
7.将待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型，得到所述待测柴油的理化指标预测值。
8.本发明的基于拉曼光谱的柴油理化指标测定方法的有益效果如下：
9.本发明的方法相较于其他采用拉曼光谱进行柴油理化指标测定的模型，提高了柴油理化指标测定的准确率；同时，相较于国标检测方法，不仅能够进行无损测定，还提高了柴油理化指标测定的速率。
10.在上述方案的基础上，本发明的基于拉曼光谱的柴油理化指标测定方法还可以做如下改进。
11.进一步，还包括：
12.获取每种柴油样本对应的多个原始拉曼光谱数据；
13.对任一柴油样本对应的所有的原始拉曼光谱数据进行数据预处理，得到该柴油样本对应的多个第一拉曼光谱数据，直至得到每种柴油样本对应的多个第一拉曼光谱数据。
14.进一步，所述获取每种柴油样本对应的多个原始拉曼光谱数据的步骤，包括：
15.利用手持式光谱仪获取每种柴油样本对应的多个原始拉曼光谱数据。
16.进一步，所述对任一柴油样本对应的所有的原始拉曼光谱数据进行数据预处理，得到该柴油样本对应的多个第一拉曼光谱数据的步骤，包括：
17.对所述任一柴油样本对应的所有的原始拉曼光谱数据依次进行异常数据清理处理、数据去噪处理、扣除荧光干扰处理、三次样条插值处理和数据归一化处理，得到该柴油
样本对应的多个第一拉曼光谱数据。
18.进一步，所述理化指标测量值包括：十六烷值测量值和总硫含量测量值；所述理化指标预测值包括：十六烷值预测值和总硫含量预测值。
19.进一步，在所述将待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型，得到所述待测柴油的理化指标预测值的步骤之前，还包括：
20.获取并对所述待测柴油的多个原始拉曼光谱数据进行数据预处理，得到所述待测柴油的多个目标拉曼光谱数据；
21.所述将待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型，得到所述待测柴油的理化指标预测值的步骤，包括：
22.将所述待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型进行柴油理化指标预测，得到所述待测柴油的十六烷值预测值和总硫含量预测值。
23.本发明的基于拉曼光谱的柴油理化指标测定系统的技术方案如下：
24.包括：训练模块和测定模块；
25.所述训练模块用于：基于每种柴油样本的理化指标测量值和每种柴油样本对应的多个第一拉曼光谱数据，对用于柴油理化指标预测的原始xgboost模型进行迭代训练，得到目标xgboost模型；
26.所述测定模块用于：将待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型，得到所述待测柴油的理化指标预测值。
27.本发明的基于拉曼光谱的柴油理化指标测定系统的有益效果如下：
28.本发明的系统相较于其他采用拉曼光谱进行柴油理化指标测定的模型，提高了柴油理化指标测定的准确率；同时，相较于国标检测方法，不仅能够进行无损测定，还提高了柴油理化指标测定的速率。
29.在上述方案的基础上，本发明的基于拉曼光谱的柴油理化指标测定系统还可以做如下改进。
30.进一步，还包括：采集模块和处理模块；
31.所述采集模块用于：获取每种柴油样本对应的多个原始拉曼光谱数据；
32.所述处理模块用于：对任一柴油样本对应的所有的原始拉曼光谱数据进行数据预处理，得到该柴油样本对应的多个第一拉曼光谱数据，直至得到每种柴油样本对应的多个第一拉曼光谱数据。
33.进一步，所述采集模块具体用于：
34.利用手持式光谱仪获取每种柴油样本对应的多个原始拉曼光谱数据。
35.本发明的一种存储介质的技术方案如下：
36.存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如本发明的基于拉曼光谱的柴油理化指标测定方法的步骤。
附图说明
37.图1示出了本发明提供的基于拉曼光谱的柴油理化指标测定方法的实施例的流程示意图；
38.图2示出了本发明提供的基于拉曼光谱的柴油理化指标测定方法的实施例中的
xgboost模型的验证集效果图；
39.图3示出了本发明提供的基于拉曼光谱的柴油理化指标测定方法的实施例中的xgboost模型的特征排序图；
40.图4示出了本发明提供的基于拉曼光谱的柴油理化指标测定方法的实施例的步骤101至步骤102的流程示意图；
41.图5示出了本发明提供的基于拉曼光谱的柴油理化指标测定方法的实施例中的柴油样本对应的光谱曲线图；
42.图6示出了本发明提供的基于拉曼光谱的柴油理化指标测定系统的实施例的结构示意图。
具体实施方式
43.图1示出了本发明提供的基于拉曼光谱的柴油理化指标测定方法的实施例的流程示意图。如图1所示，包括如下步骤：
44.步骤110：基于每种柴油样本的理化指标测量值和每种柴油样本对应的多个第一拉曼光谱数据，对用于柴油理化指标预测的原始xgboost模型进行迭代训练，得到目标xgboost模型；
45.其中，
①
柴油样本为随机选取的柴油，每种柴油样本对应的理化指标的数值可能不同。
②
理化指标包括但不限于：十六烷值和总硫含量。十六烷值测量值是根据国标gb/t386测定得到，总硫含量测量值是根据国标gb/t380测定得到。
③
理化指标测量值包括：十六烷值测量值和总硫含量测量值。
④
第一拉曼光谱数据为：柴油样本所对应的拉曼光谱数据，第一拉曼光谱数据为经过数据预处理后的拉曼光谱数据。
⑤
原始xgboost模型为：未经训练的xgboost模型。
⑥
目标xgboost模型为：训练好的xgboost模型，该模型能够用于柴油理化指标的预测。
46.需要说明的是，
①
xgboost模型选取梯度提升树，学习率0.03，树的最大深度为5层。
②
xgboost模型的预设迭代训练次数默认为500次。
③
每种柴油样本的多个第一拉曼光谱数据作为xgboost模型的输入x，每种柴油样本的理化指标测量值作为y＝[y1，y2]；y1为十六烷值测量值，y2为总硫含量测量值。
③
xgboost模型的具体训练过程为现有技术，在此不过多赘述。
④
在所有的柴油样本对应的第一拉曼光谱数据中，80％用于训练，20％用于验证，验证集效果如图2所示。其中，xgb validation验证十六烷值的均方误差和对绝对均误差分别是mse：0.3904799473913738，mae：0.18317431858607694。
⑤
图3示出了xgboost的特征排序图。在图3中，横坐标f-score为特征使用次数，纵标为特征；特征重要性排名，也是官能团所在位置，能直接反应该柴油中与测定指标相关的物质。例如对于总硫含量，硫在柴油中并不是以单质硫的形式存在的，可能是硫代、硫酸、硫化等基团形式，特征排序能够增加xgboost模型的可解释性。
[0047]
步骤120：将待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型，得到所述待测柴油的理化指标预测值。
[0048]
其中，
①
待测柴油为：需要进行理化指标测定的柴油。
②
目标拉曼光谱数据为：待测柴油对应的拉曼光谱数据，该拉曼光谱数据为经过数据预处理后的拉曼光谱数据。
③
理化指标预测值包括：待测柴油的十六烷值预测值和总硫含量预测值。
④
待测柴油的十六烷
值预测值和总硫含量预测值均为目标xgboost模型所输出的结果。
[0049]
需要说明的是，经xgboost模型预测得到的值均为预测值，由国标方法测量得到的值均为测量值或标定值；测量值或标定值作为xgboost模型训练时的y值，也可用于xgboost模型评价指标的计算。
[0050]
较优地，如图4所示，还包括：
[0051]
步骤101：获取每种柴油样本对应的多个原始拉曼光谱数据。
[0052]
其中，原始拉曼光谱数据为：柴油样本对应的未经任何处理的拉曼光谱数据。
[0053]
需要说明的是，每种柴油样本对应的原始拉曼光谱数据的数量默认为200条，也可根据需求进行调整，在此不设限制。
[0054]
具体地，步骤101包括：
[0055]
利用手持式光谱仪获取每种柴油样本对应的多个原始拉曼光谱数据。
[0056]
其中，
①
在本实施例中，手持式光谱仪采用华泰诺安785nmcr2000手持式光谱仪，也可以是其他型号的光谱仪，在此不设限制。
②
通过使用多台手持式光谱仪、不同激光功率、不同积分时长对每种柴油样本采集200次光谱，得到每个柴油样本对应的200条原始拉曼光谱数据。例如，如下表1所示，柴油样本的数量为7种(c
1-c7)，每种柴油样本的原始拉曼光谱数据的数量为200条。每种柴油样本对应的光谱曲线如图5所示，光谱曲线从上到下依次是c6、c7、c5、c4、c3、c2、c1。图5中的横坐标代表拉曼偏移，纵坐标代表光强度，每条曲线分别是由对应的柴油样本的所有的第一拉曼光谱数据取平均值后绘制出来的。
[0057]
表1：
[0058][0059]
步骤102：对任一柴油样本对应的所有的原始拉曼光谱数据进行数据预处理，得到该柴油样本对应的多个第一拉曼光谱数据，直至得到每种柴油样本对应的多个第一拉曼光谱数据。
[0060]
其中，对任一柴油样本对应的所有的原始拉曼光谱数据进行数据预处理，得到该柴油样本对应的多个第一拉曼光谱数据的步骤，包括：对所述任一柴油样本对应的所有的原始拉曼光谱数据依次进行异常数据清理处理、数据去噪处理、扣除荧光干扰处理、三次样条插值处理和数据归一化处理，得到该柴油样本对应的多个第一拉曼光谱数据。
[0061]
需要说明的是，
①
使用savitzky-golay算法进行数据去噪处理。
②
使用iasls(improved asymmetric least square iasls)进行扣除荧光干扰处理。
③
数据归一化处理为：最大最小值归一化处理。
④
采用提取信噪比和皮尔逊系数进行异常数据清理处理；例如，噪声过大或皮尔逊系数小于0.75则剔除该条数据。
[0062]
较优地，在步骤120之前，还包括：
[0063]
获取并对所述待测柴油的多个原始拉曼光谱数据进行数据预处理，得到所述待测柴油的多个目标拉曼光谱数据。
[0064]
需要说明的是，
①
对待测柴油的多个原始拉曼光谱数据进行数据预处理的方式与对柴油样本的多个原始拉曼光谱数据进行数据预处理的方式相同，在此不过多赘述。
②
待测柴油的多个原始拉曼光谱数据的数量默认为50条，也可根据实际需求进行设定，在此不设限制。
[0065]
步骤120包括：
[0066]
将所述待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型进行柴油理化指标预测，得到所述待测柴油的十六烷值预测值和总硫含量测量值。
[0067]
需要说明的是，通过国标检测法对提取待测柴油的十六烷值测量值和总硫含量测量值，并判断出待测柴油的十六烷值测量值与十六烷值预测值之间的误差小于预设误差阈值，且待测柴油的总硫含量测量值与总硫含量测量值之间的误差也小于预设误差阈值，说明了本实施例所采用的xgboost模型具有较好地精准度。
[0068]
本实施例的技术方案相较于其他采用拉曼光谱进行柴油理化指标测定的模型，提高了柴油理化指标测定的准确率；同时，相较于国标检测方法，不仅能够进行无损测定，还提高了柴油理化指标测定的速率。
[0069]
图6示出了本发明提供的基于拉曼光谱的柴油理化指标测定系统的实施例的结构示意图。如图6所示，该系统200包括：训练模块210和测定模块220。
[0070]
所述训练模块210用于：基于每种柴油样本的理化指标测量值和每种柴油样本对应的多个第一拉曼光谱数据，对用于柴油理化指标预测的原始xgboost模型进行迭代训练，得到目标xgboost模型；
[0071]
所述测定模块220用于：将待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型，得到所述待测柴油的理化指标预测值。
[0072]
较优地，还包括：采集模块和处理模块；
[0073]
所述采集模块用于：获取每种柴油样本对应的多个原始拉曼光谱数据；
[0074]
所述处理模块用于：对任一柴油样本对应的所有的原始拉曼光谱数据进行数据预处理，得到该柴油样本对应的多个第一拉曼光谱数据，直至得到每种柴油样本对应的多个第一拉曼光谱数据。
[0075]
所述采集模块具体用于：
[0076]
利用手持式光谱仪获取每种柴油样本对应的多个原始拉曼光谱数据。
[0077]
本实施例的技术方案相较于其他采用拉曼光谱进行柴油理化指标测定的模型，提高了柴油理化指标测定的准确率；同时，相较于国标检测方法，不仅能够进行无损测定，还提高了柴油理化指标测定的速率。
[0078]
上述关于本实施例的基于拉曼光谱的柴油理化指标测定系统200中的各参数和各个模块实现相应功能的步骤，可参考上文中关于基于拉曼光谱的柴油理化指标测定方法的实施例中的各参数和步骤，在此不做赘述。
[0079]
本发明实施例提供的一种存储介质，包括：存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如基于拉曼光谱的柴油理化指标测定方法的步骤，具体可参考上文中基于拉曼光谱的柴油理化指标测定方法的实施例中的各参数和步骤，在此不做赘述。
[0080]
计算机存储介质例如：优盘、移动硬盘等。
[0081]
所属技术领域的技术人员知道，本发明可以实现为方法、系统和存储介质。
[0082]
因此，本发明可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)，只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：

1.一种基于拉曼光谱的柴油理化指标测定方法，其特征在于，包括：基于每种柴油样本的理化指标测量值和每种柴油样本对应的多个第一拉曼光谱数据，对用于柴油理化指标预测的原始xgboost模型进行迭代训练，得到目标xgboost模型；将待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型，得到所述待测柴油的理化指标预测值。2.根据权利要求1所述的基于拉曼光谱的柴油理化指标测定方法，其特征在于，还包括：获取每种柴油样本对应的多个原始拉曼光谱数据；对任一柴油样本对应的所有的原始拉曼光谱数据进行数据预处理，得到该柴油样本对应的多个第一拉曼光谱数据，直至得到每种柴油样本对应的多个第一拉曼光谱数据。3.根据权利要求2所述的基于拉曼光谱的柴油理化指标测定方法，其特征在于，所述获取每种柴油样本对应的多个原始拉曼光谱数据的步骤，包括：利用手持式光谱仪获取每种柴油样本对应的多个原始拉曼光谱数据。4.根据权利要求2或3所述的基于拉曼光谱的柴油理化指标测定方法，其特征在于，所述对任一柴油样本对应的所有的原始拉曼光谱数据进行数据预处理，得到该柴油样本对应的多个第一拉曼光谱数据的步骤，包括：对所述任一柴油样本对应的所有的原始拉曼光谱数据依次进行异常数据清理处理、数据去噪处理、扣除荧光干扰处理、三次样条插值处理和数据归一化处理，得到该柴油样本对应的多个第一拉曼光谱数据。5.根据权利要求1-4任一项所述的基于拉曼光谱的柴油理化指标测定方法，其特征在于，所述理化指标测量值包括：十六烷值测量值和总硫含量测量值；所述理化指标预测值包括：十六烷值预测值和总硫含量预测值。6.根据权利要求5所述的基于拉曼光谱的柴油理化指标测定方法，其特征在于，在所述将待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型，得到所述待测柴油的理化指标预测值的步骤之前，还包括：获取并对所述待测柴油的多个原始拉曼光谱数据进行数据预处理，得到所述待测柴油的多个目标拉曼光谱数据；所述将待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型，得到所述待测柴油的理化指标预测值的步骤，包括：将所述待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型进行柴油理化指标预测，得到所述待测柴油的十六烷值预测值和总硫含量预测值。7.一种基于拉曼光谱的柴油理化指标测定系统，其特征在于，包括：训练模块和测定模块；所述训练模块用于：基于每种柴油样本的理化指标测量值和每种柴油样本对应的多个第一拉曼光谱数据，对用于柴油理化指标预测的原始xgboost模型进行迭代训练，得到目标xgboost模型；所述测定模块用于：将待测柴油的多个目标拉曼光谱数据输入所述目标xgboost模型，得到所述待测柴油的理化指标预测值。8.根据权利要求7所述的基于拉曼光谱的柴油理化指标测定系统，其特征在于，还包
括：采集模块和处理模块；所述采集模块用于：获取每种柴油样本对应的多个原始拉曼光谱数据；所述处理模块用于：对任一柴油样本对应的所有的原始拉曼光谱数据进行数据预处理，得到该柴油样本对应的多个第一拉曼光谱数据，直至得到每种柴油样本对应的多个第一拉曼光谱数据。9.根据权利要求8所述的基于拉曼光谱的柴油理化指标测定系统，其特征在于，所述采集模块具体用于：利用手持式光谱仪获取每种柴油样本对应的多个原始拉曼光谱数据。10.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至6中任一项所述的基于拉曼光谱的柴油理化指标测定方法。

技术总结

本发明公开了一种基于拉曼光谱的柴油理化指标测定方法、系统和存储介质，所述方法包括：基于每种柴油样本的理化指标测量值和每种柴油样本对应的多个第一拉曼光谱数据，对用于柴油理化指标预测的原始XGBoost模型进行迭代训练，得到目标XGBoost模型；将待测柴油的多个目标拉曼光谱数据输入所述目标XGBoost模型，得到所述待测柴油的理化指标预测值。本发明相较于其他采用拉曼光谱进行柴油理化指标测定的模型，提高了柴油理化指标测定的准确率；同时，相较于国标检测方法，不仅能够进行无损测定，还提高了柴油理化指标测定的速率。还提高了柴油理化指标测定的速率。还提高了柴油理化指标测定的速率。