基于多维化学指纹量化模型判别海上溢油种类的方法
阅读：534发布：2020-05-11
专利汇可以提供基于多维化学指纹量化模型判别海上溢油种类的方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于多维化学指纹量化模型判别海上 溢油 种类的方法，具体涉及一种基于多维化学指纹量化模型判别海上溢油种类的方法快速区分 燃料 油 、中东 原油 和非中东原油，属于海洋环境污染监测与治理领域。本发明选取正构烷 烃 、 荧光 特征和Ni/V构建多维化学指纹，利用偏最小二乘 算法 对正构烷烃的8个诊断比值进行分析提取出3个主成分，并以db7小波基对同步荧光 光谱 进行6层离散 小波变换 分析，在d3下提取出5处荧光信息，最后利用穷举法筛选出诊断比值第一主成分、d3(332±2nm)的小波系数和Ni/V作为建模变量。所建模型对建模油样 鉴别 准确率达到100％，对非建模和 风 化后的 燃料油 和原油判别准确率分别达到88.89％和95.50％。，下面是基于多维化学指纹量化模型判别海上溢油种类的方法专利的具体信息内容。
1.基于多维化学指纹量化模型判别海上溢油种类的方法，其特征在于：包括下述步骤：
①获得待测油样中如下8个正构烷烃特征参数：n-C17/Pr、n-C18/Ph、Pr/Ph、(n-C19～n-C20)/(n-C19～n-C22)、CPI、低分子量烷烃/高分子量烷烃LMW/HMW、奇偶优势碳之比OEP1和OEP2，将获得的8个特征参数分别利用下述公式进行均值标准化，
CPI’＝(CPI-1.031058)/0.108341；
L/H’＝(L/H-3.510389)/4.785483；
C19-20/C19-22’＝(C19-20/C19-22-0.57226)/0.133963；
C17/Pr’＝(C17/Pr-2.733146)/1.410578；
C18/Ph’＝(C18/Ph-2.598895)/1.343894；
Pr/Ph’＝(Pr/Ph-1.150927)/0.606687；
OEP1’＝(OEP1-0.965601)/0.056963；
OEP2’＝(OEP2-1.039489)/0.079082；
将标准化数值带入下述公式获得PL1值，
PL1＝0.2928CPI’-0.2662L/H’+0.0577C19-20/C19-22’-0.7019C17/Pr’-0.2624C18/Ph’+
0.5097Pr/Ph’-0.1251OEP1’+0.0563OEP2’
②利用db7小波基函数对油样荧光光谱图进行6层分解，提取d3细节系数特征，获得待测样品在332±2nm特征波长处的小波系数d3(332±2nm)；
③获得待测油样的Ni/V值；
④将步骤①、②和③获得PL1值、d3(332±2nm)值和Ni/V值带入下述Fisher判别公式Y1和Y2中，
Y1＝1.323*X1-0.174*X2+0.057*X3+1.052；
Y2＝0.131*X1+0.194*X2+0.01*X3-2.242；
其中，X1为PL1值，X2为d3(332±2nm)值，X3为Ni/V值；
⑤利用步骤④获得的样品(Y1，Y2)值与各组质心间的欧式距离来判断归属，判断规则为：与某组质心距离越小，样品则归属于该组类别，
其中，燃料油组质心O1(-1.608，0.664)，中东原油组质心O2(-0.613，-0.81)，非中东原油组质心O3(1.743，0.21)。
2.根据权利要求1所述的方法，其特征在于：所述步骤①中，8个特征参数按下述方法计算所得：
CPI＝((n-C23+n-C25+n-C27+n-C29+n-C31+n-C33)/(n-C24+n-C26+n-C28+n-C30+n-C32+n-C34)+(n-C23+n-C25+n-C27+n-C29+n-C31+n-C33)/(n-C22+n-C24+n-C26+n-C28+n-C30+n-C32))*0.5；
LMW/HMW＝(n-C11～n-C21)/(n-C22～n-C32)；
C19-20/C19-22＝(n-C19+n-C20)/(n-C19+n-C20+n-C21+n-C22)；
C17/Pr＝n-C17/Pr；
C18/Ph＝n-C18/Ph；
Pr/Ph；
OEP1＝(n-C17+6*n-C19+n-C21)/(4*n-C18+4*n-C20)；
OEP2＝(n-C21+6*n-C23+n-C25)/(4*n-C22+4*n-C24)；
其中，n-Cx表示碳数为x的正构烷烃含量，Pr表示姥鲛烷含量，Ph表示植烷含量。
3.根据权利要求1所述的方法，其特征在于：所述步骤②中，所述油样的荧光强度值按下述方法获得：取0.05±0.0002g油样溶解于10mL正己烷中，静置5min后，取40μL上清液用
10mL正己烷定容，采用同步荧光法检测，荧光检测波长范围220nm～600nm，Δλ＝10～40nm。
4.根据权利要求1所述的方法，其特征在于：所述步骤③中，所述待测油样的Ni/V值按下述方法测得：采用石墨炉原子吸收法，在波长为232nm和318.4nm条件下检测Ni和V的含量，Ni的标准曲线为A＝0.0015C-0.0003，相关系数r＝0.99901；V的标准曲线为A＝
0.4332C-0.0004，相关系数r＝0.99991。
基于多维化学指纹量化模型判别海上溢油种类的方法
技术领域
[0001] 本发明涉及一种基于多维化学指纹量化模型判别海上溢油种类的方法，具体涉及一种基于多维化学指纹量化模型判别海上溢油种类的方法快速区分燃料油、中东原油和非中东原油，属于海洋环境污染监测与治理领域。
背景技术
[0002] 近年来，随着石油工业和海上运输业的发展，海面溢油事故时有发生。海上溢油会对附近海域生态系统造成危害，导致污染地区发生经济损失，甚至对人类健康造成严重危害。因此，及时准确鉴别溢油种类，采取合适的保护措施显得尤为重要[1]。
[0003] 几十年来，国内外学者利用气相相色谱法(GC)、气相色谱—质谱法(GC-MS)、全二维气相色谱(GC-GC)、高效液相色谱法(HPLC)[2-5]、紫外光谱法(UV)、傅里叶变换红外光谱法(FTIR)、分子荧光光谱法(FS)[6-7]等方法，通过分析油样当中的正构烷烃、多环芳烃和生物标记物等100多种化合物对油样进行鉴别。近年来一些学者也开始把主成分分析(PCA)、偏最小二乘分析(PLS)、平行因子分析(PARAFAC)、聚类分析、T检验、回归分析、判别分析等多元统计方法引入溢油鉴别。Wang等[8]利用不同浓度下的同步荧光光谱，进行主成分分析、偏最小二乘分析和Gabor小波分析，通过支持向量机(SVM)进行分类，实现了不同类型溢油100％和相似溢油92％正确率的分类。Azimah等[9]在采用GC–FID和GC–MS方法的基础上，结合主成分分析对溢油进行鉴别，结果显示提高溢油鉴别准确率同时缩短了鉴别时间。目前对于溢油的鉴别多为单一维度油指纹，但海洋环境中溢油组分极为复杂，这一类单一维度分析鉴别方法对风化后溢油鉴别存在着不确定性和局限性。而刘晓星等[10]利用正构烷烃、Ni/V特征和荧光特征建立多维化学指纹，提高了对海上长期风化原油和燃料油的准确性。
发明内容
[0004] 本发明选取正构烷烃、荧光特性和Ni/V值多个化学指标为建模参数，通过Fisher判别函数建立多维化学指纹鉴别模型，实现中东原油、非中东原油和燃料油量化判别，同时对未建模和风化后油样进行判别验证。
[0005] 基于多维化学指纹量化模型判别海上溢油种类的方法，包括下述步骤：
[0006] ①获得待测油样中如下8个正构烷烃特征参数：n-C17/Pr、n-C18/Ph、Pr/Ph、(n-C19～n-C20)/(n-C19～n-C22)、CPI、低分子量烷烃/高分子量烷烃LMW/HMW(简写为L/H)、奇偶优势碳之比OEP1和OEP2，将获得的8个特征参数分别利用下述公式进行均值标准化，[0007] CPI’＝(CPI-1.031058)/0.108341；
[0008] L/H’＝(L/H-3.510389)/4.785483；
[0009] C19-20/C19-22’＝(C19-20/C19-22-0.57226)/0.133963；
[0010] C17/Pr’＝(C17/Pr-2.733146)/1.410578；
[0011] C18/Ph’＝(C18/Ph-2.598895)/1.343894；
[0012] Pr/Ph’＝(Pr/Ph-1.150927)/0.606687；
[0013] OEP1’＝(OEP1-0.965601)/0.056963；
[0014] OEP2’＝(OEP2-1.039489)/0.079082；
[0015] 将标准化数值带入下述公式获得PL1值，
[0016] PL1＝0.2928CPI’-0.2662L/H’+0.0577C19-20/C19-22’-0.7019C17/Pr’-0.2624C18/Ph’+0.5097Pr/Ph’-0.1251OEP1’+0.0563OEP2’
[0017] ②利用db7小波基函数对油样荧光光谱图进行6层分解，提取d3细节系数特征，获得待测样品在332±2nm特征波长处的小波系数d3(332±2nm)；
[0018] ③获得待测油样的Ni/V值；
[0019] ④将步骤①、②和③获得PL1值、d3(332±2nm)值和Ni/V值带入下述Fisher判别公式Y1和Y2中，
[0020] Y1＝1.323*X1-0.174*X2+0.057*X3+1.052；
[0021] Y2＝0.131*X1+0.194*X2+0.01*X3-2.242；
[0022] 其中，X1为PL1值，X2为d3(332±2nm)值，X3为Ni/V值；
[0023] ⑤利用步骤④获得的样品(Y1，Y2)值与各组质心间的欧式距离来判断归属，判断规则为：与某组质心距离越小，样品则归属于该组类别，
[0024] 其中，燃料油组质心O1(-1.608，0.664)，中东原油组质心O2(-0.613，-0.81)，非中东原油组质心O3(1.743，0.21)。
[0025] 本发明所谓“d3(332±2nm)值”是指db7小波基函数对油样荧光光谱图进行6层分解后，在332±2nm处的d3细节系数。
[0026] 进一步地，所述步骤①中，8个特征参数按下述方法计算所得：
[0027] CPI＝((n-C23+n-C25+n-C27+n-C29+n-C31+n-C33)/(n-C24+n-C26+n-C28+n-C30+n-C32+n-C34)+(n-C23+n-C25+n-C27+n-C29+n-C31+n-C33)/(n-C22+n-C24+n-C26+n-C28+n-C30+n-C32))*0.5；
[0028] LMW/HMW＝(n-C11～n-C21)/(n-C22～n-C32)；
[0029] C19-20/C19-22＝(n-C19+n-C20)/(n-C19+n-C20+n-C21+n-C22)；
[0030] C17/Pr＝n-C17/Pr；
[0031] C18/Ph＝n-C18/Ph；
[0032] Pr/Ph；
[0033] OEP1＝(n-C17+6*n-C19+n-C21)/(4*n-C18+4*n-C20)；
[0034] OEP2＝(n-C21+6*n-C23+n-C25)/(4*n-C22+4*n-C24)；
[0035] 其中，n-Cx表示碳数为x的正构烷烃含量，Pr表示姥鲛烷含量，Ph表示植烷含量。
[0036] 进一步地，所述步骤②中，所述油样的荧光强度值按下述方法获得：取0.05±0.0002g油样溶解于10mL正己烷中，静置5min后，取40μL上清液用10mL正己烷定容，采用同步荧光法检测，荧光检测波长范围220nm～600nm，Δλ＝10～40nm。
[0037] 进一步地，所述步骤③中，所述待测油样的Ni/V值按下述方法测得：采用石墨炉原子吸收法，在波长为232nm和318.4nm条件下检测Ni和V的含量，Ni的标准曲线为A＝0.0015C-0.0003，相关系数r＝0.99901；V的标准曲线为A＝0.4332C-0.0004，相关系数r＝
0.99991。
0.99991。
[0038] 本发明优选步骤④中所述的判别公式利用Fisher判别方法获得，Fisher判别方法利用投影的方法使多维问题简化为一维问题来处理，本发明将油品分为三类，因此有两个典型变量，通过每组的组质心，得到每组的线性判别函数。Fisher判别方法的前提条件，预测变量相关性较弱，组间差异较大。
[0039] 本发明的有益效果是：采用偏最小二乘算法对正构烷烃诊断比值进行降维，同时采用离散小波变换对油样的荧光光谱信息进行细节系数提取，并采用穷举法筛选变量，最终建立鉴别油品的Fisher判别模型，该模型在区分燃料油和原油的同时，可对中东原油进一步区分。所建立的模型具有较高的鉴别正确率，对非建模燃料油油样和原油油样的鉴别正确率分别为88.89％和95.50％，它也适用于风化油品的鉴别。本模型的鉴别公式仅选取了3个变量，降低了变量个数，同时克服传统判别方法只包含单一维度化学信息的问题，增加了模型的可靠度，为今后海上溢油鉴别方法的开发提供了一个技术支撑。附图说明
[0040] 图1为实施例1未风化阿曼原油正构烷烃分布；
[0041] 图2为实施例1未风化阿曼原油d3细节系数；
[0042] 图3为实施例1风化30天阿曼原油正构烷烃分布；
[0043] 图4为实施例1风化30天阿曼原油d3细节系数；
[0044] 图5为实施例2未风化180燃料油1#正构烷烃分布；
[0045] 图6为实施例2未风化180燃料油1#d3细节系数；
[0046] 图7为实施例2风化30天180燃料油1#正构烷烃分布；
[0047] 图8为实施例2风化30天180燃料油1#d3细节系数；
[0049] 图10为实施例3未风化马来西亚原油d3细节系数；
[0050] 图11为实施例3风化30天马来西亚原油正构烷烃分布；
[0051] 图12为实施例3风化30天马来西亚原油d3细节系数。
具体实施方式
[0052] 下述非限制性实施例可以使本领域的普通技术人员更全面地理解本发明，但不以任何方式限制本发明。
[0053] 下述实施例中所述试验方法，如无特殊说明，均为常规方法；所述试剂和材料，如无特殊说明，均可从商业途径获得。
[0054] 1实验
[0055] 1.1实验样品
[0056] 本实验共用21种油样，八种非中东原油为：安哥拉原油、苏丹原油、大庆原油2#、印度尼西亚原油、马来西亚原油、俄罗斯原油、辽河原油1#、辽河原油2#；七种中东原油为：伊朗原油、伊拉克原油、科威特原油、沙特原油、阿联酋原油、阿曼原油、迪拜原油；六种燃料油为：重质燃料油1#、轻质燃料油1#、180燃料油1#、180燃料油2#、380燃料油1#、380燃料油2#。
[0057] 1.2仪器和试剂
[0058] 实验仪器：气相色谱仪Agilent-6890N(Agilent Technologies公司)；荧光分光光度计Cary Eclipse(Varian公司)；TAS-990SUPER AFG原子吸收分光光度计(北京普析通用仪器责任有限公司)；Milli-Q超纯水处理系统(Milipore公司)；AB104-N电子分析天平(梅特勒-托利多仪器公司)；玻璃层析柱(120mm×10mm)。
[0059] 实验试剂：C6H14、CH2Cl2、CH3OH(色谱纯，德国Merck KGaA)；无水硫酸钠(化学纯，德国BASF SE)；硝酸镍(化学纯，天津科密欧化学试剂开发中心)；钒标准品(北京世纪奥科生物技术有限公司)；100-200目柱层硅胶(天津光复精细化工研究所)。
[0060] 1.3正构烷烃测定
[0061] 取油样各0.2g分别加入层析柱，用CH2Cl2:C6H14＝2:1(v/v)洗脱剂进行淋洗提取正构烷烃，将洗脱后的组分浓缩至1mL封存，通过GC对其定量测定。GC实验条件：N2流量：25mL·min-1；H2流量：40mL·min-1；空气流量：450mL·min-1；汽化室温度：280℃；程序升温范围80℃～280℃；FID检测器温度：300℃。毛细管柱UF-5：30m×0.25mm×0.25μm；进样量：1μL。
[0062] 1.4荧光的测定
[0063] 取0.05±0.0002g油样溶解于10mL正己烷中，静置5min后，取40μL上清液用10mL正己烷定容，采用同步荧光法检测，荧光检测波长范围220nm～600nm，Δλ＝10～40(nm)。
[0064] 1.5 Ni和V的测定
[0065] 标准溶液的配制以及油样的预处理参照GB/T 18608-2001[11]的实验方法。采用石墨炉原子吸收法，在波长为232nm和318.4nm条件下检测Ni和V。Ni的标准曲线为A＝0.0015C-0.0003相关系数r＝0.99901；V的标准曲线为A＝0.4332C-0.0004相关系数r＝
0.99991。
0.99991。
[0066] 2建模变量的选取和模型确立
[0067] 2.1正构烷烃变量
[0068] 诊断比值具有独特性、差异性和地球化学意义，基本不受或受风化影响较小。本文选取可以区分不同油种的特征参数。以诊断比值n-C17/Pr、n-C18/Ph、Pr/Ph、(n-C19+n-C20)/(n-C19～n-C22)、碳优势指数(CPI)、低分子量烷烃/高分子量烷烃(LMW/HMW)和奇偶优势碳之比(OEP1,OEP2)作为特征参数。采用偏最小二乘算法(PLS)对所选取的特征参数进行降维。在保留90％信息的基础上，提取出3个主成分。主成分计算公式如下：
[0069] PL1＝0.2928*X1-0.2662*X2+0.0577*X3-0.7019*X4-0.2624*X5+0.5097*X6-0.1251*X7+0.0563*X8；
[0070] PL2＝-0.3977*X1+0.0428*X2+0.3094*X3+0.1798*X4-0.0161*X5+0.0939*X6+0.3115*X7-0.7783X8；
[0071] PL3＝0.2697*X1-0.2896*X2-0.1281*X3-0.2447*X4-0.5677*X5-0.4194*X6-0.4860*X7-0.1810*X8；
[0072] PL1、PL2、PL3表示提取出的3个主成分，X1～X8分别表示标准化后的8个特征参数。将油样的8个特征参数分别代入可以得到油样的3个主成分的得分，将其作为变量。
[0073] 2.2荧光变量
[0074] 离散小波(DWT)借助特定的伸缩和平移因子并选择合适的小波基函数对原始信号进行处理，能产生反映原始信号较大尺度信息的近似系数以及较小尺度信息的细节系数，依据刘晓星等[12]研究通过db7小波基函数对油样荧光光谱图进行6层分解，提取d3细节系数特征。21种油样的d3系数均在255±2nm，280±2nm，302±2nm，332±2nm和354±2nm处有突出的荧光特征，提取这5处荧光特征，并将其作为变量。
[0075] 2.3镍钒变量
[0076] 以实验测量的Ni、V含量并将Ni/V计算值作为变量。
[0077] 2.4穷举法建立Fisher判别模型
[0078] 综合上述3种不同维度变量，可选建模变量达到9个，因此利用穷举法从3种不同维度变量中筛选出具有代表性的变量，从而进行降维。每次从3个主成分和5处荧光特征中各取一个并结合Ni/V，对21种油样进行Fisher建模，并回带估算误判率，穷举所有情况。结果显示以第一主成分PL1，d3在(332±2)nm处小波系数和Ni/V建模对21种油样的鉴别准确率为100％。
[0079] 以诊断比值的第一主成分PL1、d3在(332±2)nm处小波系数和Ni/V为变量，利用SPSS建立Fisher判别模型，判别模型如下：
[0080] Y1＝1.323*X1-0.174*X2+0.057*X3+1.052；
[0081] Y2＝0.131*X1+0.194*X2+0.01*X3-2.242；
[0082] 其中，X1为诊断比值的第一主成分，X2为d3在(332±2)nm处小波系数，X3为Ni/V。燃料油组质心O1(-1.608，0.664)，中东原油组质心O2(-0.613，-0.81)，非中东原油组质心O3(1.743，0.21)。测定油样中3种变量的数值，将其代入到公式中，得到样品(Y1，Y2)再计算它们与燃料油组质心O1、中东原油组质心O2和非中东原油组质心O3的欧式距离，以最小值判断油样的归属。
[0083] 2.5模型验证
[0084] 取非建模的3种未风化燃料油、6种风化燃料油、5种未风化非中东原油和17种风化后原油，对模型进行验证，结果显示判别模型对燃料油鉴别正确率为88.9％，对原油的鉴别正确率为95.5％。
[0085] 具体实施方式之一：
[0086] 以6种燃料油、8种非中东原油和7种中东原油作为分析对象，测定所有分析对象的正构烷烃含量、荧光光谱图和镍钒含量。
[0087] 首先依据下述公式计算8个诊断比值：
[0088] CPI＝((n-C23+n-C25+n-C27+n-C29+n-C31+n-C33)/(n-C24+n-C26+n-C28+n-C30+n-C32+n-C34)+(n-C23+n-C25+n-C27+n-C29+n-C31+n-C33)/(n-C22+n-C24+n-C26+n-C28+n-C30+n-C32))*0.5；
[0089] LMW/HMW＝(n-C11～n-C21)/(n-C22～n-C32)；
[0090] C19-20/C19-22＝(n-C19+n-C20)/(n-C19+n-C20+n-C21+n-C22)；
[0091] C17/Pr＝n-C17/Pr；
[0092] C18/Ph＝n-C18/Ph；
[0093] Pr/Ph；
[0094] OEP1＝(n-C17+6*n-C19+n-C21)/(4*n-C18+4*n-C20)；
[0095] OEP2＝(n-C21+6*n-C23+n-C25)/(4*n-C22+4*n-C24)；
[0096] (n-Cx表示碳数为x的正构烷烃含量，Pr表示姥鲛烷含量，Ph表示植烷含量)。
[0097] 然后，将每种油的8个诊断比值进行偏最小二乘运算，提取三个主成分，得到诊断比值的载荷，进而计算各主成分的分值。
[0098] 接着，将油样荧光光谱图利用db7小波基函数，进行6层分解。提取出d3层255±2nm、280±2nm、302±2nm、332±2nm、354±2nm的小波系数。
[0099] 最后，通过Ni和V的标准曲线计算油样的Ni/V值。
[0101] 实施例1：风化前后阿曼原油验证
[0102] 表1：未风化阿曼原油8个诊断比值、d3细节系数和Ni/V
[0103]
[0104] 将表1的诊断比值代入下述公式，计算第一主成分PL1：
[0105] CPI’＝(CPI-1.031058)/0.108341；
[0106] L/H’＝(L/H-3.510389)/4.785483；
[0107] C19-20/C19-22’＝(C19-20/C19-22-0.57226)/0.133963；
[0108] C17/Pr’＝(C17/Pr-2.733146)/1.410578；
[0109] C18/Ph’＝(C18/Ph-2.598895)/1.343894；
[0110] Pr/Ph’＝(Pr/Ph-1.150927)/0.606687；
[0111] OEP1’＝(OEP1-0.965601)/0.056963；
[0112] OEP2’＝(OEP2-1.039489)/0.079082；
[0113] PL1＝0.2928CPI’-0.2662L/H’+0.0577C19-20/C19-22’-0.7019C17/Pr’-0.2624C18/Ph’+0.5097Pr/Ph’-0.1251OEP1’+0.0563OEP2’；
[0114] 将PL1、d3(332±2nm)和Ni/V代入下述公式：
[0115] Y1＝1.323*X1-0.174*X2+0.057*X3+1.052；
[0116] Y2＝0.131*X1+0.194*X2+0.01*X3-2.242；
[0117] (Y1，Y2)与燃料油组质心O1(-1.608，0.664)，中东原油组质心O2(-0.613，-0.81)，非中东原油组质心O3(1.743，0.21)的欧式距离分别为2.504112568、0.90495649和1.894887603。由此可知与O2距离最近，此油样为中东原油，与已知情况符合。
[0118] 表2：风化30天阿曼原油8个诊断比值、d3细节系数和Ni/V
[0119]
[0120] 将表2的诊断比值代入下述公式，计算第一主成分PL1：
[0121] CPI’＝(CPI-1.031058)/0.108341；
[0122] L/H’＝(L/H-3.510389)/4.785483；
[0123] C19-20/C19-22’＝(C19-20/C19-22-0.57226)/0.133963；
[0124] C17/Pr’＝(C17/Pr-2.733146)/1.410578；
[0125] C18/Ph’＝(C18/Ph-2.598895)/1.343894；
[0126] Pr/Ph’＝(Pr/Ph-1.150927)/0.606687；
[0127] OEP1’＝(OEP1-0.965601)/0.056963；
[0128] OEP2’＝(OEP2-1.039489)/0.079082；
[0129] PL1＝0.2928*CPI’-0.2662*L/H’+0.0577*C19-20/C19-22’-0.7019*C17/Pr’-0.2624*C18/Ph’+0.5097*Pr/Ph’-0.1251*OEP1’+0.0563*OEP2’；
[0130] 将PL1、d3(332±2nm)和Ni/V代入下述公式：
[0131] Y1＝1.323*X1-0.174*X2+0.057*X3+1.052；
[0132] Y2＝0.131*X1+0.194*X2+0.01*X3-2.242；
[0133] (Y1，Y2)与燃料油组质心O1(-1.608，0.664)，中东原油组质心O2(-0.613，-0.81)，非中东原油组质心O3(1.743，0.21)的欧式距离分别为2.860411102、1.281815811和1.728960706。由此可知与O2距离最近，此油样为中东原油，与已知情况符合。
[0134] 实施例2：风化前后180燃料油1#验证
[0135] 表3未风化180燃料油1#的8个诊断比值、d3细节系数和Ni/V
[0136]
[0137] 将表3的诊断比值代入实例1中的公式，计算得到(Y1，Y2)。
[0138] (Y1，Y2)与燃料油组质心O1(-1.608，0.664)，中东原油组质心O2(-0.613，-0.81)，非中东原油组质心O3(1.743，0.21)的欧式距离分别为1.143253354、1.348392131和2.238644396。由此可知与O1距离最近，此油样为燃料油，与已知情况符合。
[0139] 表4：风化30天180燃料油1#的8个诊断比值、d3细节系数和Ni/V
[0140]
[0141] 将表4的诊断比值代入实例1中的公式，计算得到(Y1，Y2)。
[0142] (Y1，Y2)与燃料油组质心O1(-1.608，0.664)，中东原油组质心O2(-0.613，-0.81)，非中东原油组质心O3(1.743，0.21)的欧式距离分别为0.457465132、2.160695733和3.831536748。由此可知与O1距离最近，此油样为燃料油，与已知情况符合。
[0143] 实施例3：风化前后马来西亚原油验证
[0144] 表5：未风化马来西亚原油的8个诊断比值、d3细节系数和Ni/V
[0145]
[0146] 将表5的诊断比值代入实例1中的公式，计算得到(Y1，Y2)。
[0147] (Y1，Y2)与燃料油组质心O1(-1.608，0.664)，中东原油组质心O2(-0.613，-0.81)，非中东原油组质心O3(1.743，0.21)的欧式距离分别为4.221683847、3.039329744和1.057082446。由此可知与O3距离最近，此油样为非中东原油，与已知情况符合。
[0148] 表6：风化30天马来西亚原油的8个诊断比值、d3细节系数和Ni/V
[0149]
[0150] 将表6的诊断比值代入实例1中的公式，计算得到(Y1，Y2)。
[0151] (Y1，Y2)与燃料油组质心O1(-1.608，0.664)，中东原油组质心O2(-0.613，-0.81)，非中东原油组质心O3(1.743，0.21)的欧式距离分别为5.986198197、4.770137564和2.678836654。由此可知与O3距离最近，此油样为非中东原油，与已知情况符合。
[0152] 实施例4：验证集油样
[0153] 表7：验证集油样及其验证结果
[0154]
[0155]
[0156] 每种油样具体实施步骤同上述实施例1、2、3。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 含有腐殖质的燃料组合物 | 2020-05-08 | 16 |
| 甲醇燃料双壁管惰化系统 | 2020-05-11 | 89 |
| 一种燃料油浮渣去除装置 | 2020-05-08 | 470 |
| 一种用废剥离液生产的烧火油及其生产方法和应用 | 2020-05-08 | 913 |
| 一种生产低滞后炭黑的装置 | 2020-05-08 | 72 |
| 燃料油配送システム | 2020-05-08 | 657 |
| 燃料油を製造するための、水素化処理工程と、水素化分解工程と、沈殿工程と、沈殿物分離工程とを含む供給原料の転化方法 | 2020-05-11 | 881 |
| 船舶 | 2020-05-11 | 526 |
| 一种燃料油腐蚀检测装置 | 2020-05-08 | 502 |
| 一种燃料油用储存罐 | 2020-05-11 | 934 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
燃料油热门专利
QQ群二维码
意见反馈
意见反馈