基于近红外光谱的柴油性质基团法预测模型
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题的背景与意义 | 第10-11页 |
| ·石油性质预测技术现状 | 第11-14页 |
| ·石油产品性质测量现状 | 第11-12页 |
| ·近红外光谱分析技术研究现状 | 第12-14页 |
| ·本文主要内容 | 第14-16页 |
| 第2章 近红外技术基础 | 第16-30页 |
| ·近红外光谱技术的特点 | 第16-17页 |
| ·近红外光谱分析技术的理论基础 | 第17-20页 |
| ·近红外光谱技术的工作原理 | 第17页 |
| ·近红外光谱分析技术的数学原理 | 第17-18页 |
| ·近红外光谱定量分析的两个基本定律 | 第18-20页 |
| ·近红外光谱的预处理 | 第20-25页 |
| ·预处理的常用方法 | 第21-23页 |
| ·光谱信息的优化 | 第23-25页 |
| ·预测模型的建立方法 | 第25-30页 |
| ·多元线性回归 | 第25-26页 |
| ·偏最小二乘法 | 第26-27页 |
| ·人工神经网络法 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第3章 基于近红外光谱的石油性质基团法模型 | 第30-40页 |
| ·基团法建模原理 | 第30-31页 |
| ·基团信息的选取 | 第31-33页 |
| ·近红外光谱的预处理 | 第31-32页 |
| ·吸收基团的选择 | 第32-33页 |
| ·基团法预测模型的建立 | 第33-35页 |
| ·线性预测模型 | 第34页 |
| ·非线性预测模型 | 第34-35页 |
| ·基团法预测模型的求解 | 第35-38页 |
| ·线性预测模型 | 第35-37页 |
| ·非线性模型的高斯-牛顿法求解 | 第37-38页 |
| ·模型评价指标 | 第38-40页 |
| 第4章 基于近红外光谱的柴油十六烷值预测模型 | 第40-53页 |
| ·柴油十六烷值的测定方法 | 第40-42页 |
| ·传统的十六烷值测定方法 | 第40-41页 |
| ·公式法测定柴油十六烷值 | 第41页 |
| ·近红外光谱法测定柴油十六烷值 | 第41-42页 |
| ·本章的工作安排 | 第42页 |
| ·柴油十六烷值预测模型的建立 | 第42-51页 |
| ·偏最小二乘预测模型 | 第42-45页 |
| ·BP 神经网络预测模型 | 第45-49页 |
| ·基团法预测模型 | 第49-51页 |
| ·结果与讨论 | 第51-53页 |
| ·三种模型的预测结果 | 第51-52页 |
| ·结论 | 第52-53页 |
| 第5章 基于近红外光谱的柴油密度预测模型 | 第53-66页 |
| ·柴油密度测量现状 | 第53-58页 |
| ·传统的密度值测定方法 | 第53-54页 |
| ·油品密度在线测量的几种方法 | 第54-57页 |
| ·近红外在线分析模型的可行性分析 | 第57-58页 |
| ·本章的工作安排 | 第58页 |
| ·柴油密度值预测模型的建立 | 第58-65页 |
| ·偏最小二乘预测模型 | 第58-60页 |
| ·支持向量机预测模型 | 第60-62页 |
| ·基团法预测模型 | 第62-65页 |
| ·结果与讨论 | 第65-66页 |
| ·三种模型的预测结果 | 第65页 |
| ·结论 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间取得的学术成果 | 第73-74页 |
| 致谢 | 第74页 |
