iPLS結(jié)合BP-ANN的噴氣燃料初餾點(diǎn)近紅外分析模型研究

劉洋君，王菊香，邢志娜

(海軍航空大學(xué)， 山東 煙臺(tái) 264001)

初餾點(diǎn)是表征燃料餾分組成的重要指標(biāo)，用于衡量噴氣燃料的蒸發(fā)特性，在生產(chǎn)和使用中都必須進(jìn)行檢驗(yàn)，以確保發(fā)動(dòng)機(jī)工作正常。

近紅外光譜技術(shù)(NIRS)在燃料快速分析中已得到廣泛應(yīng)用，但光譜中存在對(duì)分析和建模沒有貢獻(xiàn)的無關(guān)變量以及影響模型建立、導(dǎo)致模型質(zhì)量下降的干擾信息，因此有必要在校正模型建立過程中篩選波長(zhǎng)以提高校正模型的穩(wěn)健性和預(yù)測(cè)能力[1-2]。

由于物質(zhì)濃度及性質(zhì)與光譜變量之間存在非線性因素，以及光譜測(cè)量過程中儀器的噪聲、工作狀態(tài)變化及環(huán)境影響，使線性校正方法難以得到理想的校正模型。盡管PLS方法可以在一定程度上校正非線性模型，但當(dāng)非線性較為顯著時(shí)，便較難得到理想的校正模型[5]。而BP神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)輸入與輸出之間的任意非線性映射，具有較強(qiáng)的非線性映射逼近和預(yù)測(cè)能力。

本文通過iPLS法對(duì)建模區(qū)間進(jìn)行優(yōu)選，采用BP-ANN建立噴氣燃料初餾點(diǎn)的近紅外定量分析模型，并與PLS所建立的定量分析模型預(yù)測(cè)效果進(jìn)行了比對(duì)。

1 樣本數(shù)據(jù)測(cè)定與光譜采集

共采集了各部隊(duì)化驗(yàn)室的35個(gè)噴氣燃料樣本，依據(jù)GB/T 6536—2010測(cè)定初餾點(diǎn)，如表1所示。

表1 樣本初餾點(diǎn)值 ℃

樣本在25±0.5 ℃條件下采集光譜。樣本光譜的波長(zhǎng)范圍為1 100～2 500 nm，使用5 mm光程的石英比色皿測(cè)量吸光度。每個(gè)樣本的光譜需采集3次，要求重復(fù)性小于5×10-4，并取平均光譜作為原始光譜。Kennard/Stone(K/S)算法可選出代表性強(qiáng)、分布均勻的樣品，是一種應(yīng)用較為廣泛的樣本選取方法[3]。本文采用K/S算法從35個(gè)樣本中選取30個(gè)樣品作為校正集樣本，5個(gè)作為驗(yàn)證集樣本。

2 光譜預(yù)處理與建模區(qū)間優(yōu)選

2.1 光預(yù)處理參數(shù)的選擇

Savitzky-Golay(S-G)卷積平滑法可以有效地消除光譜中的噪聲[4]。為消除光譜的基線平移和背景干擾，采用S-G一階卷積導(dǎo)數(shù)處理平滑后的光譜。窗口寬度是兩種預(yù)處理方法的重要參數(shù)，若窗口寬度太小，S-G卷積平滑法的去噪效果不佳，S-G一階卷積導(dǎo)數(shù)則會(huì)引入噪聲，降低信噪比；若窗口寬度過大，兩種預(yù)處理方法均會(huì)在平滑噪聲的同時(shí)丟失有用信息，造成光譜信號(hào)的失真。

S-G卷積平滑法和S-G一階卷積導(dǎo)數(shù)法對(duì)光譜預(yù)處理的過程和原理較為相似，因此本文兩種預(yù)處理方法取相同的窗口寬度。為選擇合適的窗口寬度，考察兩種方法在5～19點(diǎn)范圍內(nèi)對(duì)建模效果的影響，如圖1所示。通過比較可知，當(dāng)窗口寬度為15點(diǎn)時(shí)，模型的預(yù)測(cè)性能最好。預(yù)處理前后的光譜見圖2。

2.2 建模區(qū)間的優(yōu)選

噴氣燃料近紅外光譜與初餾點(diǎn)相關(guān)系數(shù)如圖3所示，圖中所反映的波長(zhǎng)與初餾點(diǎn)的相關(guān)性較弱，手動(dòng)選取建模波長(zhǎng)較為困難，不易達(dá)到理想的效果。

圖2 預(yù)處理前和預(yù)處理后的光譜曲線

iPLS法是一種波長(zhǎng)區(qū)間選擇方法，其原理是將全譜區(qū)以固定寬度等分成若干等寬子區(qū)間，在每個(gè)子區(qū)間上分別進(jìn)行PLS回歸，建立局部模型，選擇交互驗(yàn)證標(biāo)準(zhǔn)差最小局部模型對(duì)應(yīng)的的子區(qū)間作為優(yōu)選區(qū)間[5,6]，能夠簡(jiǎn)化模型、減少建模波長(zhǎng)變量，具有簡(jiǎn)便快捷、計(jì)算量小等優(yōu)點(diǎn)。應(yīng)用iPLS方法優(yōu)選建模區(qū)間流程如圖4所示。子區(qū)間寬度調(diào)整為30～70，比較不同區(qū)間寬度下iPLS法對(duì)建模效果的影響，結(jié)果如圖5。通過比較，當(dāng)子區(qū)間寬度為55時(shí)，對(duì)應(yīng)的最佳子區(qū)間所建立的模型預(yù)測(cè)效果最好，在該寬度的子區(qū)間下，選擇1 650～1 705 nm光譜區(qū)間作為優(yōu)選的建模區(qū)間。

圖3 波長(zhǎng)-初餾點(diǎn)相關(guān)系數(shù)曲線

圖4 iPLS區(qū)間優(yōu)選方法流程框圖

圖5 不同寬度下iPLS優(yōu)選區(qū)間建模效果曲線

為研究區(qū)間組合對(duì)模型質(zhì)量的影響，將iPLS法計(jì)算得到的交互驗(yàn)證標(biāo)準(zhǔn)差最小的5個(gè)區(qū)間1 650～1 705 nm、1 320～1 375 nm、1 210～1 265 nm、2 475～2 500 nm、1 705～1 760 nm組合，比較組合區(qū)間建立校正模型的預(yù)測(cè)能力。不同個(gè)數(shù)的最佳區(qū)間組合見表2。通過比較，以1 650～1 705 nm作為建模區(qū)間所建立的校正模型預(yù)測(cè)能力最佳，因此，應(yīng)以該區(qū)間作為最終的優(yōu)選建模區(qū)間。

表2 不同區(qū)間組合對(duì)模型預(yù)測(cè)能力的影響

3 結(jié)果與分析

3.1 初餾點(diǎn)BP-ANN模型建立

如圖6所示，BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層和輸出層組成。光譜數(shù)據(jù)由輸入層輸入向量x后，施以權(quán)重傳輸至隱藏層，隱藏層經(jīng)過權(quán)值、閾值和激勵(lì)函數(shù)運(yùn)算后傳輸?shù)捷敵鰧樱奢敵鰧咏o出預(yù)測(cè)值y，若預(yù)測(cè)值與實(shí)測(cè)值之間的誤差較大，則從輸出層開始反向傳播該誤差，進(jìn)行權(quán)值、閾值的調(diào)整，直至誤差減小到給定的范圍[7]。若輸入向量維數(shù)過高，輸入層神經(jīng)元過多，會(huì)導(dǎo)致網(wǎng)絡(luò)訓(xùn)練時(shí)間太長(zhǎng)，造成運(yùn)算無法收斂。本文將iPLS法優(yōu)選的波長(zhǎng)區(qū)間作為神經(jīng)網(wǎng)絡(luò)的輸入，輸入向量維數(shù)從1 400減少到55，能夠提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度，降低校正模型復(fù)雜度。

圖6 BP-神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

構(gòu)建隱藏層數(shù)為3，目標(biāo)均方差為10-6，學(xué)習(xí)率為0.001，輸入層和隱含層的傳遞函數(shù)均采用tansig函數(shù)，輸出層的傳遞函數(shù)采用purelin函數(shù)的BP-ANN，以iPLS法優(yōu)選的校正集光譜建模區(qū)間作為神經(jīng)網(wǎng)絡(luò)的輸入，建立初餾點(diǎn)校正模型，對(duì)驗(yàn)證集樣本的初餾點(diǎn)進(jìn)行預(yù)測(cè)，結(jié)果見表3。通過配對(duì)t檢驗(yàn)，得t值為0.32，低于顯著性水平α=0.05，自由度為5時(shí)的臨界值2.571，表明模型預(yù)測(cè)的準(zhǔn)確度較高。

表3 驗(yàn)證集樣本初餾點(diǎn)預(yù)測(cè)值 ℃

3.2 不同建模方法預(yù)測(cè)效果分析

分析表4和圖7所示不同建模方法建立的初餾點(diǎn)校正模型預(yù)測(cè)準(zhǔn)確度數(shù)據(jù)，可知：采用全譜區(qū)建立的PLS校正模型預(yù)測(cè)效果不及iPLS優(yōu)選區(qū)間后所建立的PLS校正模型；在優(yōu)選區(qū)間相同情況下BP-ANN校正模型優(yōu)于PLS校正模型。

文獻(xiàn)[8]在700～1 100 nm的短波近紅外光譜區(qū)間內(nèi)，建立的初餾點(diǎn)校正模型的預(yù)測(cè)相關(guān)系數(shù)r為0.886 1，驗(yàn)證標(biāo)準(zhǔn)差為2.69 ℃。綜合比較，iPLS結(jié)合BP-ANN方法在長(zhǎng)波近紅外光譜區(qū)間內(nèi)能夠建立預(yù)測(cè)能力較強(qiáng)的初餾點(diǎn)近紅外校正模型。

表4 不同方法所建模型評(píng)價(jià)參數(shù)值

圖7 樣本初餾點(diǎn)預(yù)測(cè)值與真實(shí)值關(guān)系圖

4 結(jié)論

針對(duì)噴氣燃料初餾點(diǎn)近紅外光譜校正模型的建立，研究了不同建模區(qū)間和不同建模算法的建模效果。通過對(duì)不同區(qū)間PLS校正模型以及同一優(yōu)選區(qū)間下不同建模算法進(jìn)行比較，證明iPLS和BP-ANN均可在一定程度上提高模型的預(yù)測(cè)準(zhǔn)確度。iPLS區(qū)間優(yōu)選結(jié)合BP-ANN建模能夠有效解決全譜區(qū)內(nèi)干擾信息對(duì)校正模型的影響，有利于建立準(zhǔn)確度更高的近紅外光譜定量分析模型。