近红外(NIR)光谱分析技术作为一种快速、无损、安全、环保分析技术,在石油化工领域有着广泛的应用和发展前景。柴油产品性质的实验室传统分析方法费用高且耗时冗长。基于近红外光谱分析技术,本文研究了柴油产品性质的基团法预测模型问题。本文分析了近红外光谱分析技术测定石油产品结构基团的优越性和C-H基团近红外光谱与柴油产品性质的关系,提出了基于关键C-H基团近红外光谱直接建立柴油产品性质预测模型的思想。在对光谱数据预处理的基础上,基于基团吸光度与柴油性质的相关理论,选择了若干个与柴油性质密切相关的关键基团吸收信息作为输入变量,建立柴油性质非线性预测模型。采用高斯-牛顿法估计预测模型参数。模型化过程的特点是:计算量与样本的输入维数无关,只与训练样本数目相关,对于非线性问题具有较好的预测效果。利用Eigenvector Research公司的柴油样品光谱数据,分别建立了柴油十六烷值等性质的偏最小二乘(PLS)、BP人工神经网络(BP-ANN)、支持向量机(SVM)和基团法定量预测模型。仿真实验研究表明,由于柴油十六烷值等性质与近红外光谱信号之间内在机理关系等原因,与其他预测模型相比,基团法预测模型取得了最好的预测结果,具有更高的预测精度和更好的泛化性。