Partial Least Square Modeling for the Control of Refining Processes on Mid-Distillates by Near Infrared Spectroscopy
Modèles PLS pour le suivi de la qualité par spectrométrie proche infrarouge des distillats moyens issus des procédés de raffinage
Institut français du pétrole
Corresponding author: salaheddine.aji@ifp.fr
Partial Least Squares regression (PLS) was used to elaborate the prediction models of the different chemical families i.e. wt% paraffins, naphthenes, and wt% and mol/100 g monoaromatics, diaromatics+ and total aromatics from Near InfraRed spectra (NIR) of mid-distillates covering a large range of chemical compositions. Cluster analysis was used to reveal the chemical similarities between samples and to organize in clusters the calibration data base. The relationships between NIR spectra and modeled properties were well adapted for most of the prediction models in twice the interval of confidence at 95% of the reference methods after clustering of the data base into three clusters. Cluster analysis was necessary to improve the prediction quality of the PLS models.
Résumé
La régression PLS (Partial Least Squares) a été utilisée pour établir des modèles de prédiction de différentes familles chimiques i.e. % massique paraffines, naphtènes et % massique et mol/100 g monoaromatiques, diaromatiques+ et total aromatiques à partir de spectres proche infrarouge (PIR) de distillats moyens de composition chimique très variée. La classification a été utilisée pour tenir compte des ressemblances chimiques entre échantillons et organiser en classes la base de calibration. Les corrélations entre les spectres PIR et les propriétés modélisées permettent de prédire, pour la plupart, l'ensemble des propriétés dans deux fois l'intervalle de confiance à 95 % des méthodes de référence, après classification préalable des échantillons en trois clusters. La classification a été nécessaire pour améliorer la qualité de prédiction des modèles PLS.
© IFP, 2004