背景介绍

辛烷值是用于表征汽油抗爆性的指标，汽油的辛烷(Octane)值越高，抗爆性就越好，就能用于压缩比高的发动机。汽油的辛烷值每提高一个单位就可以减少油耗 0.7%-3.1%。汽油的不同辛烷值决定了其价格高低。由于缺乏在线分析仪表，因此在生产中采用人工采样分析得到重整产品的辛烷值，通常情况下每次从采样到最终结果出来要经过几个小时，每隔 10 天左右分析 1 次，这显然不利于生产控制，因此，有必要应用虚拟测量技术，建立虚拟测量模型，用于汽油辛烷值的估算，从而快速检验产品质量、指导生产操作。

解决方案

对汽油采用近红外光谱进行特征采集，得到 401 维的波长光谱强度，这些光谱强度作为特征变量；同时对这些汽油样本进行辛烷值的测定，作为虚拟量测的目标。至此得到一些汽油样本后，采用偏最小二乘回归（PLSR）算法对这些样本进行学习，便得到了一个训练好的对汽油辛烷值进行虚拟量测的模型，采用该模型就可以对后续的汽油样本进行汽油辛烷值的虚拟测量。

预期效果

当设置偏最小二乘回归的主成分个数为 10 时，其预测的汽油辛烷值与实际的汽油辛烷值的 r2_score 在 99.5%，说明该模型可以预测汽油辛烷值 99.5%的波动，准确性较高。

如下图横轴为预测结果，纵轴为实际的汽油辛烷值，可以看到预测结果与实际结果基本在斜率为 45 度的直线上，说明预测值与实际值接近，可以提供有效的汽油辛烷值的虚拟量测。