近红外光谱法分析油页岩含油率中异常样品识别和剔除方法的研究

摘要：

研究了漫反射近红外（NIR）光谱法分析油页岩含油率过程中异常样品的识别和剔除方法。在近红外光谱定量分析中，环境变化和操作失误等都会产生异常样品，异常样品的存在会导致模型的预测能力下降，因此异常样品的剔除是建模过程中的关键步骤。分别采用主成分分析-马氏距离（PCA-MD）法和半数重采样（RHM）法识别油页岩光谱数据中的异常样品，通过剔除异常样品后所建的偏最小二乘（PLS）分析模型的性能来评价PCA-MD与RHM方法对异常样品的识别能力。实验中考察了不同 MD阈值和RHM置信度对异常样品剔除结果的影响，比较了单独和同时应用PCA-MD及RHM法识别并剔除异常样品后所得PLS模型的预测能力。结果表明：与所有样品参与建模时预测偏差均方根（RMSEP）相比，采用PCA-MD法时阈值取平均值与标准偏差之和时 RMSEP 降低了48．3％；采用 RHM法时置信度取85％时 RMSEP 降低了27．5％；同时采用PCA-MD法和RHM法时RMSEP降低了44．8％，研究内容有效地提高了分析模型的预测能力。

关键词：近红外光谱、异常样品剔除、油页岩、含油率

分类号：O657.3(分析化学)

资助基金：国家潜在油气资源油页岩勘探开发利用产学研用合作创新项目子课题OSR-02-04

在线出版日期：2014-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1707-1710