[发明专利]光谱校正方法

说明书

本发明首先将已知原油样本分别在两台光谱仪上采集光谱并计算该同一已知原油样本在不同光谱仪上采集的光谱差谱，然后，对于在其中一光谱仪上采集的待识别样品光谱，在相同的波段区间内使用识别算法得到与已知原油样本光谱矩阵中最相似的光谱波段，以各个最相似的光谱波段分别对应的已知原油样品的光谱差谱波段进行组合得到识别差谱，计算未知样品光谱与识别差谱的差值，即可得到在另一光谱仪采集该待识别原油样品的校正光谱，该方法具有使用简便、测试准确的优势。

技术领域

本发明涉及一种光谱校正方法。

背景技术

专利200910169611.8“一种由近红外光谱快速识别原油种类的方法”基于移动窗口概念(Moving Window)结合传统相关系数法提出了一种用于原油近红外光谱快速识别的方——移动窗口相关系数法。这种方法可以准确地对原油品种进行识别，并能给出不同原油近红外光谱之间详细的差异信息，为解析谱图提供有力帮助。但是在实际应用过程中经常遇到近红外光谱不一致的问题，即同一个原油在不同型号的近红外光谱仪上获得的光谱不相同，其主要原因是由于不同型号光谱仪之间的关键部件存在微小差异。若将在一种型号近红外光谱仪器上的建立的近红外光谱数据库用于另一种型号仪器上时，由于光谱之间存在差异，会导致错误的识别结果，例如，同一种原油有可能被误判为两种不同的原油。

为解决不同仪器所采集光谱不一致的问题，针对不同的应用对象已提出了多种方法。常用的算法是直接标准化算法(Direct Standardization，DS)，这种算法是针对两类仪器之间有较大光谱差异的情况，通过一组标样找到两类仪器之间的光谱转换系数。平均光谱差值校正方法(Mean Spectra Subtraction Correction Method，MSSC)是针对两类仪器间在吸光度上存在差异而在波长上不存在差异的情况，通过一组标样找出不同仪器之间的吸光度差异，所用的光谱差值未一组标样的差谱平均值。

褚小立在《一种消除在线多通道近红外分析仪各通道光谱差异的方法》(分析化学，2005，6：745-750)一文中，针对在线多通道近红外分析仪因光纤耦合器件加工精度和装配过程存在细微差异而引起通道间光谱不一致的问题，在对光谱差异进行解析的基础上，提出了一种运算简捷、且在实际应用中易于实现的平均光谱差值校正方法，并与常用的模型传递算法如斜率/偏差算法、分段直接校正算法，以及通过偏最小二乘-人工神经网络建立多通道混合校正模型进行了对比。结果表明，该方法可有效消除各通道所测光谱之间存在的差异，实现了多通道分析模型的通用性。

赵龙莲在《基于SVR的傅里叶变换型近红外光谱仪间数学模型传递的研究》(光谱学与光谱分析，2008，28(10):2299-2303)一文中，以两台傅里叶变换近红外光谱仪为实验研究对象，以玉米粉末样品为实验材料，采用移动窗口支持向量回归机(SVR)方法，把一台仪器上建立的近红外定量分析数学模型传递到另一台仪器上：当SVR回归的窗口大小为31个波长点，传递样品个数为15个时，模型传递效果较好，以“主机”所建蛋白含量的数学模型分析“从机”上修正后的光谱，化学测定值和近红外预测值间的相关系数提高到0.9434，相对标准差为4.23％，表明采用移动窗口SVR法进行傅里叶变换近红外光谱仪间数学模型的传递是可行的。该方法计算过程较为复杂。

上述相关技术对两类仪器间在吸光度上存在差异而在波长上不存在差异的情况，尚不能提供准确度高且简便的校正方法。

发明内容

本发明的目的是提供一种光谱校正方法，该方法能够准确、简便地消除不同光谱仪之间的波长差异。

为了实现上述目的，本发明提供一种光谱校正方法，该方法包括以下步骤：

获得待识别原油样品以及包括多种类型已知原油样品的已知原油样本；

采用第一光谱仪检测所述已知原油样本并进行谱图预处理，得到第一光谱矩阵；

采用第二光谱仪检测所述已知原油样本并进行谱图预处理，得到第二光谱矩阵；