Determination of Acid Value of Lubricating Oil by Infrared Spectrometry with Least Square Vector Machine
摘 要
在润滑油酸值进行红外光谱法测定中,采用最小二乘支持向量机(LS-SVM)建立了酸值的定量预测模型。用Kennard-Stone方法将30个样本划分为训练集(24个样本)和验证集(6个样本),进行定量预测,并与偏最小二乘法和径向基函数神经网络所建模型的预测进行比较。结果表明:LS-SVM所建模型的预测标准偏差(SEP)最小,仅为0.002;预测值的相对误差为1.3%~5.3%。由此认为LS-SVM所建模型的训练和预测结果均优于其余两种方法所建模型。对5个未知样品的分析结果表明:LS-SVM模型的预测值与化学法实测值之间的相对误差(1.2%~3.1%)也较少。
Abstract
In the infrared spectrometric determination of acid value of lubricating oil, quantitative prediction model for the acid value was established by the least square vector machine (LS-SVM) method. By applying the Kennard-Stone method, 30 samples were divided into 2 groups, the training group (with 24 samples) and the testing group (with 6 samples), and quantitative prediction was performed. As compared with the models developed by methods of PLS and RBF-NH, the model of LS-SVM gave the smallest value of SEP (0.002), and values of relative error of the predicted values were found in the range of 1.3%-5.3%. It was shown that the results of training and prediction obtained by the model of LS-SVM were better than those obtained by the other 2 models. In the analysis of 5 unknown samples, small relative errors (ranged from 1.2% to 3.1%) were obtained by the model of LS-SVM between the predicted values and the true values.
中图分类号 O657.33 DOI 10.11973/lhjy-hx201802016
所属栏目 工作简报
基金项目
收稿日期 2017/2/20
修改稿日期
网络出版日期
作者单位点击查看
备注史令飞(1992-),男,湖北天门人,硕士研究生,研究方向为油液及液体推进剂分析测试技术,281518719@qq.com
引用该论文: SHI Lingfei,QU Jun,XING Zhina. Determination of Acid Value of Lubricating Oil by Infrared Spectrometry with Least Square Vector Machine[J]. Physical Testing and Chemical Analysis part B:Chemical Analysis, 2018, 54(2): 200~203
史令飞,瞿军,邢志娜. 最小二乘支持向量机结合红外光谱法测定润滑油酸值[J]. 理化检验-化学分册, 2018, 54(2): 200~203
共有人对该论文发表了看法,其中:
人认为该论文很差
人认为该论文较差
人认为该论文一般
人认为该论文较好
人认为该论文很好
参考文献
【1】许禄,邵学广.化学计量学方法[M].北京:科学出版社, 2006.
【2】杨其明,严新平,贺石中,等.油液监测分析现场实用技术[M].北京:机械工业出版社, 2006.
【3】郝勇,蔡文生,邵学广.复杂样品近红外光谱定量分析模型的构建方法[J].高等学校化学学报, 2009,30(1):28-31.
【4】王韬,张录达,劳彩莲,等.PLS回归法建立适应温度变化的近红外光谱定量分析模型[J].中国农业大学学报, 2004,9(6):76-79.
【5】逯家辉,王迪,沈畏,等.基于径向基神经网络的测定抗结核药物主成分质量分数的近红外光谱定量分析模型[J].光学学报, 2009,29(2):459-463.
【6】翁诗甫.傅里叶变换红外光谱仪分析[M].北京:化学工业出版社, 2009.
【7】杨俊杰.油液监测技术[M].北京:石油工业出版社, 2009.
【8】李林,徐硕,安欣,等.近红外光谱定量分析的新方法:半监督最小二乘支持向量回归机[J].光谱学与光谱分析, 2011,31(10):2702-2705.
【9】苗福生,马毅,汪西原,等.不同预处理方法对PLS模型检测鲜长枣糖度的影响[J].宁夏大学学报, 2011,32(2):130-133.
【10】郎文杰.基于小波包分析的图像融合去噪方法[J].河北理工大学学报(自然科学版), 2010,32(2):42-45.
【2】杨其明,严新平,贺石中,等.油液监测分析现场实用技术[M].北京:机械工业出版社, 2006.
【3】郝勇,蔡文生,邵学广.复杂样品近红外光谱定量分析模型的构建方法[J].高等学校化学学报, 2009,30(1):28-31.
【4】王韬,张录达,劳彩莲,等.PLS回归法建立适应温度变化的近红外光谱定量分析模型[J].中国农业大学学报, 2004,9(6):76-79.
【5】逯家辉,王迪,沈畏,等.基于径向基神经网络的测定抗结核药物主成分质量分数的近红外光谱定量分析模型[J].光学学报, 2009,29(2):459-463.
【6】翁诗甫.傅里叶变换红外光谱仪分析[M].北京:化学工业出版社, 2009.
【7】杨俊杰.油液监测技术[M].北京:石油工业出版社, 2009.
【8】李林,徐硕,安欣,等.近红外光谱定量分析的新方法:半监督最小二乘支持向量回归机[J].光谱学与光谱分析, 2011,31(10):2702-2705.
【9】苗福生,马毅,汪西原,等.不同预处理方法对PLS模型检测鲜长枣糖度的影响[J].宁夏大学学报, 2011,32(2):130-133.
【10】郎文杰.基于小波包分析的图像融合去噪方法[J].河北理工大学学报(自然科学版), 2010,32(2):42-45.
相关信息