买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海交通大学

摘要：一种辛烷值预测技术领域的基于近红外光谱的汽油燃料辛烷值预测方法，包括：步骤1，采集汽油燃料测定的近红外光谱和辛烷值实验数据；步骤2，从近红外光谱数据中提取主成分因子；步骤3，以主成分因子作为特征参数，以汽油燃料测定的辛烷值实验数据作为目标参数，基于人工神经网络方法建立辛烷值预测模型。步骤4，将待测燃料近红外光谱中的主成分因子输入预测模型，得出预测的汽油燃料辛烷值。本发明建立的人工神经网络预测模型能够对汽油燃料辛烷值进行准确预测，可减少测量实验工作量和测量成本。该模型的预测误差与实验误差相当，在汽油燃料辛烷值预测方面，具有非常突出的应用价值。

主权项：1.一种基于近红外光谱的汽油燃料辛烷值预测方法，其特征在于，包括以下步骤：步骤1：采集汽油燃料测定的近红外光谱和辛烷值实验数据；步骤2：从近红外光谱数据中提取主成分因子；步骤3：以主成分因子作为特征参数，以汽油燃料测定的辛烷值实验数据作为目标参数，基于人工神经网络方法建立辛烷值预测模型；步骤4：将待测燃料近红外光谱中的主成分因子输入预测模型，得出预测的汽油燃料辛烷值；所述步骤2提取主成分因子包括以下步骤：步骤2.1，基于偏最小二乘方法将输入参数矩阵分解成一个主成分矩阵和一个载荷矩阵： ；其中，主成分矩阵，代表第个主成分，载荷矩阵是正交矩阵，代表第个载荷，并且，是样本总数；步骤2.2，根据方差最大化的方法计算出第一个载荷： ；步骤2.3，计算得到一个预测输出： ；其中，为预测值，为真实值，上标代表矩阵的转置，则第一个残差为；步骤2.4，基于继续计算得到第二个载荷： ；以此类推，计算得到载荷矩阵中所有列向量；步骤2.5，计算得到主成分矩阵： ；所述步骤3建立人工神经网络预测模型包括以下步骤：步骤3.1，将输入参数归一化至；步骤3.2，选择神经网络模型的隐藏层数、神经元个数、激活函数、误差函数类型以及参数优化器类型；步骤3.3，对神经网络进行前向传播计算得到预测值： ；其中，为预测值，为输出参数，为权重参数，为偏置项，为激活函数，完成输入到输出的非线性扭曲；步骤3.4，将预测值与真实值进行比较得到误差函数： ；其中，为真实值与预测值的均方误差；步骤3.5，对神经网络进行反向传播计算，基于梯度下降算法对各项权重参数和偏置项进行更新： ； ；其中，为学习率通常是小于1的值，下标old代表原始值，下标new代表更新之后的值。

全文数据：

权利要求：

百度查询： 上海交通大学 基于近红外光谱的汽油燃料辛烷值预测方法