(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111654147.9 (22)申请日 2021.12.3 0 (71)申请人 中国航空油料有限责任公司 地址 101300 北京市顺 义区天竺空港 工业 区A区天柱路28号蓝天大厦6层 (72)发明人 黄恩浩　李禄生　孟祥展　叶凡　 徐擎立　李明　刘矫健　 (74)专利代理 机构 北京中知法苑知识产权代理 有限公司 1 1226 代理人 景艳伟 (51)Int.Cl. G01N 21/359(2014.01) G01N 21/3577(2014.01) G06F 30/20(2020.01) (54)发明名称 利用二元线性分类器建立航空煤油性质预 测模型的方法 (57)摘要 本发明提供一种利用二元线性分类器构建 航空煤油性质预测模型的方法， 属于航空煤油性 质预测技术领域。 本发明方法包括： 获取多个航 空煤油样品的理化性质数据； 采集多个航空煤油 样品近红外光谱 数据， 并对该近红外光谱数据进 行至少两次优化处理； 利用二元线性分类器构建 航空煤油理化性质数据与近红外光谱数据相关 联的回归模 型； 将优化处理后的数据代入回归模 型， 以得到待测样品的多个理化性质。 本发明基 于二元线性分类器构建预测航空煤油的回归模 型， 单次操作即可实现检测航空煤油的多种理化 性质， 对于原始光谱的处理、 模型的建立以及更 新无需离线进行， 能够及时有效地更新回归模 型， 提高预测准确度。 权利要求书2页 说明书7页 附图2页 CN 114354534 A 2022.04.15 CN 114354534 A 1.一种利用二元线性分类器构建航空煤油性质预测模型的方法， 其特征在于， 包括下 述步骤： 获取多个航空煤油样品的理化 性质数据； 采集所述多个航空煤油样品的近红外光谱数据， 并对该近红外光谱数据进行至少两次 优化处理； 利用支持二元线性分类器构建所述航空煤油样品的理化性质数据与近红外光谱数据 相关联的回归 模型； 采集待测样品的近红外光谱数据， 并对其进行至少两次优化处理， 将优化处理后的数 据代入所述回归 模型， 以得到所述待测样品的多个理化 性质。 2.根据权利要求1所述的方法， 其特征在于， 所述理化性质包括20℃密度、 冰点、 闪点、 初馏点、 5 0％回收温度和终馏点。 3.根据权利要求1所述的方法， 其特征在于， 利用透射式近红外光谱仪采集所述航空煤 油样品的近红外光谱数据； 其中， 采集范围为 4000cm‑1～12000cm‑1， 扫描次数 范围为5次～120次。 4.根据权利要求1所述的方法， 其特征在于， 所述对该近红外光谱数据进行至少两次优 化处理， 包括： 利用一阶微分和矢量归一 化法对所述近红外光谱数据进行第一次优化处 理； 利用PCA‑MD法进行第二次优化处 理， 以剔除异常航空煤油样品。 5.根据权利要求 4所述的方法， 其特 征在于， 所述矢量归一 化公式如下： x’＝(x‑Min(x))/(Max(x) ‑Min(x)) 式中， Max(x)为样本数据的最大值， Min(x)为样本数据的最小值， x为待归一化样本数 据， x’为归一化样本数据。 6.根据权利要求4所述的方法， 其特征在于， 利用PCA ‑MD法进行第二次优化处理， 以剔 除异常航空煤油样品， 包括： 采用PCA‑MD法计算第一次优化处理后航空煤油样品的马氏距离值和马氏距离标准方 差； 根据所述马氏距离值和马氏距离标准方差得到异常航空煤油样品的马氏距离阈值； 将每个第一次优化处理后航空煤油样品的马氏距离值与所述异常航空煤油样品的马 氏距离阈值比较， 响应于所述马氏距离值大于马氏距离阈值时将其对应样品剔除。 7.根据权利要求6所述的方法， 其特 征在于， 所述马氏距离阈值的计算公式如下： WMD＝mean(MD)+k*std(MD) 式中， WMD为异常航空煤油 样品的马氏距离阈值， mean(MD)为MD的平均值函数， std(MD) 为MD的标准方差函数， k 为阙值调整权 重系数； 以及， 所述马氏距离值的计算公式为： 式中， MD为航空煤油样品i的马氏距离值， ti为航空煤油样品i的得分向量， C为全部航空 煤油样品得分矩阵的协方差矩阵， T为全部航空煤油样品的得分矩阵。 8.根据权利要求1所述的方法， 其特征在于， 所述利用二元线性分类器建立所述航空煤 油样品的理化 性质数据与近红外光谱数据相关联的回归 模型之前， 还 包括：权　利　要　求　书 1/2 页 2 CN 114354534 A 2将所述近红外光谱数据分为n个光谱区间， 针对所述n个光谱区间分别建立局部预测模 型， 以均方根 误差作为评 定标准， 选取 预设光谱区间。 9.根据权利要求8所述的方法， 其特 征在于， 所述均方根 误差的计算公式为下式： 式中， yi为航空煤油样品i的预测值， 为真值， n 为样品数。 10.根据权利要求8所述的方法， 其特征在于， 所述利用二元线性分类器建立所述航空 煤油理化 性质数据与所述近红外光谱数据相关联的回归 模型， 包括： 将所述预设光谱区间的近红外光谱数据映射到一个高维特征空间并建立并与所述理 化性质数据建立关联模型， 具体如下： 式中， 为将近红外光谱输入数据映射到高维特征空间的映射函数， γ为正规化参 数， ek为误差变量， 权值向量ω∈Rn， 偏置值b∈R， 第k个航空煤油样品的输出 数据yk∈R； 采用拉格朗日乘数法得到下式： 式中， 拉格朗日乘子αk∈R， 第k个航空煤油样品的输入数据xk∈RN； 求解得到二元线性分类 器回归模型， 具体如下式： 权　利　要　求　书 2/2 页 3 CN 114354534 A 3