基于深度置信網(wǎng)絡(luò)的紅外光譜鑒別汽油摻混

王明吉，梁 濤，李 棟，王 迪，王秋實(shí)

（1.東北石油大學(xué) 物理與電子工程學(xué)院，黑龍江 大慶 163318；2.東北石油大學(xué) 土木建筑工程學(xué)院，黑龍江 大慶 163318）

引言

隨著我國(guó)交通大發(fā)展的持續(xù)深入推進(jìn)，用戶對(duì)汽油的需求呈現(xiàn)爆炸式增長(zhǎng)。然而，大量不法企業(yè)為追求最大限度利潤(rùn)，擅自用化工原料和添加劑兌制、混配“調(diào)和汽油”，給消費(fèi)安全帶來(lái)了極大的隱患。因此亟需研究對(duì)摻混成品油進(jìn)行快速鑒別的方法。

由于紅外光譜分析技術(shù)具有檢測(cè)速度快、效率高、成本低等特點(diǎn)[1]，已被廣泛應(yīng)用于成品油分析領(lǐng)域[2]。Veras等人利用主成分分析（principal component analysis，PCA）結(jié)合聚類分析的方法對(duì)108個(gè)柴油樣品的原產(chǎn)地進(jìn)行分類[3]；姜黎等人利用主成分分析結(jié)合馬氏距離的方法比較汽油的2個(gè)特征波段建模的分類效果[4]；王麗等人利用主成分分析結(jié)合模糊聚類實(shí)現(xiàn)了對(duì)海洋溢油樣本的快速分類[5]。然而主成分分析屬于線性降維方法，其不能準(zhǔn)確提取光譜數(shù)據(jù)中的非線性特征，導(dǎo)致光譜數(shù)據(jù)在降維的過(guò)程中部分有用信息丟失及鑒別模型精準(zhǔn)度下降。鑒于此，本文采用非線性降維方法中的t分布鄰域嵌入（t-distributed stochastic neighbor embedding，t-SNE）算法[6]對(duì)光譜數(shù)據(jù)進(jìn)行降維處理，同時(shí)結(jié)合深度置信網(wǎng)絡(luò)方法[7]建立汽油鑒別模型，并與極限學(xué)習(xí)機(jī)鑒別算法[8]進(jìn)行識(shí)別精度對(duì)比分析，以解決摻混汽油紅外光譜鑒別技術(shù)中線性降維方法缺陷和高精度識(shí)別模型選擇問(wèn)題。

1 材料與方法

1.1 樣品來(lái)源與光譜測(cè)試

本實(shí)驗(yàn)所使用的92#、95#以及98#汽油樣品均購(gòu)置于大慶中石化加油站，摻混汽油樣品由92#、95#、98#汽油按照1∶1∶1配制而成，每種樣品各50份用于紅外光譜測(cè)量實(shí)驗(yàn)。……