近红外光谱分析技术在油品分析中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 文献综述 | 第11-21页 |
| ·近红外光谱技术 | 第11-15页 |
| ·近红外光谱技术的发展简史 | 第11-12页 |
| ·近红外光谱技术的工作原理 | 第12-13页 |
| ·近红外光谱技术的技术特点 | 第13-14页 |
| ·近红外光谱分析技术在油品中的应用 | 第14-15页 |
| ·多元校正技术 | 第15-19页 |
| ·化学计量学的发展简况 | 第15-16页 |
| ·化学计量学的主要研究内容 | 第16-17页 |
| ·多元校正技术在近红外光谱分析中的应用 | 第17-19页 |
| ·本文研究工作与内容安排 | 第19-21页 |
| 第2章 近红外光谱分析中的多元校正方法 | 第21-33页 |
| ·近红外光谱分析方法 | 第21-26页 |
| ·定性分析 | 第21-22页 |
| ·定量分析 | 第22-26页 |
| ·近红外光谱的预处理 | 第26-30页 |
| ·预处理的常用方法 | 第26-27页 |
| ·近红外光谱定量分析中光谱信息的优化 | 第27-28页 |
| ·波长选择方法 | 第28-30页 |
| ·校正模型的建立方法 | 第30-33页 |
| ·多元线性回归 | 第30页 |
| ·主成分回归 | 第30-31页 |
| ·偏最小二乘回归 | 第31页 |
| ·人工神经网络法 | 第31-33页 |
| 第3章 汽油辛烷值 NIR 的定量分析 | 第33-51页 |
| ·汽油辛烷值的测定方法 | 第33-35页 |
| ·传统的辛烷值测定方法 | 第33页 |
| ·毛细管气相色谱法测定辛烷值 | 第33-34页 |
| ·近红外光谱法预测汽油辛烷值 | 第34-35页 |
| ·本文的工作安排 | 第35页 |
| ·实验部分 | 第35-36页 |
| ·仪器和设备 | 第35页 |
| ·样品来源及基础数据的测定 | 第35页 |
| ·近红外光谱的测量方法 | 第35-36页 |
| ·光谱数据的预处理 | 第36页 |
| ·校正模型的建立 | 第36页 |
| ·近红外测定汽油辛烷值的校正技术 | 第36-46页 |
| ·近红外光谱分析技术的数学原理 | 第36-38页 |
| ·偏最小二乘算法的原理和应用 | 第38-39页 |
| ·BP 神经网络算法 | 第39-46页 |
| ·结果与讨论 | 第46-51页 |
| ·两种模型的预测结果 | 第46-49页 |
| ·结论 | 第49-51页 |
| 第4章 汽油族组成的近红外光谱快速测定 | 第51-61页 |
| ·汽油族组成测定方法概述 | 第51-53页 |
| ·汽油族组成测定方法 | 第51-52页 |
| ·近红外测定汽油组成原理 | 第52-53页 |
| ·本文研究内容 | 第53页 |
| ·实验部分 | 第53-55页 |
| ·样品来源及基础数据测定 | 第53-54页 |
| ·汽油的近红外光谱数据的采集 | 第54-55页 |
| ·校正方法 | 第55页 |
| ·结果与讨论 | 第55-61页 |
| ·波长范围的选择 | 第55-56页 |
| ·主因子的选取 | 第56-58页 |
| ·NIR 预测汽油组成及与GC 测定结果的比较 | 第58-59页 |
| ·重复性实验 | 第59页 |
| ·结论 | 第59-61页 |
| 第5章 润滑油基础油粘度的近红外光谱研究 | 第61-69页 |
| ·前言 | 第61页 |
| ·实验部分 | 第61-63页 |
| ·样品来源及基础数据测定 | 第61-62页 |
| ·润滑油基础油的近红外光谱数据的采集 | 第62页 |
| ·定量校正方法 | 第62-63页 |
| ·结果与讨论 | 第63-69页 |
| ·预处理方式的选择 | 第63页 |
| ·光谱范围的选择 | 第63-64页 |
| ·偏最小二乘回归预测 | 第64-66页 |
| ·ANN 预测结果 | 第66-68页 |
| ·结论 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-79页 |
| 附录 | 第79-83页 |
| 攻读硕士学位期间的成果 | 第83-84页 |
| 致谢 | 第84页 |
