矿物油乳液物种和度预测使用基于光光谱的多输出神经网络在太阳盲紫外线带中的光光谱
Bowen Gong1,2, Shilei Mao1,2, Xinkai Li1
1Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun, Jilin Province, 130033, China. ciomp@ciomp.ac.cn.
Analytical methods : advancing methods and applications
|March 12, 2024
概括
精确的漏油监测对于清理至关重要. 这项研究使用太阳盲紫外光来识别油类和度,实现油类分类的准确度超过98%.
科学领域:
- 环境科学 环境科学
- 频谱学是一种光谱学.
- 遥感 遥感 遥感 遥感
背景情况:
- 石油泄漏带来了重大的环境风险,乳化使清理工作复杂化.
- 精确的监测对于有效应对石油泄漏,量评估和环境修复至关重要.
- 现有方法在实时,全面的漏油检测方面面临挑战.
研究的目的:
- 为了研究模拟石油泄漏的太阳盲紫外线 (UV) 光光谱变化.
- 开发一种用于同时识别乳化油泄漏中的油类型和度的方法.
- 评估紫外线光作为石油泄漏监测的补充工具的可行性.
主要方法:
- 设计和制造了用于光测量的多角度激发和检测系统.
- 模拟石油泄漏,使用不同的油类型和油水比.
- 采用竞争性自适应重权取样 (CARS) 和多输出神经网络算法进行数据分析.
主要成果:
- 在220nm激发下,在290nm左右观察到油乳液的明显光峰值.
- 实现了超过98%的分类准确度,用于识别不同类型的油.
- 在油度回归中,获得了大约2%的平均绝对百分比误差 (MAPE).
结论:
- 太阳盲紫外线光光谱学为石油泄漏检测提供了一种有前途的方法.
- 开发的技术可以同时确定油类型和度.
- 这种方法可以作为一个补充工具,在白天进行全面的现场漏油监测.
