Определение содержания нефти в сточных водах нефтепромыслов методом частичных наименьших квадратов и сверточной нейронной сети на основе спектра пропускания УФ-излучения и мутности

Wang Q.; Li Haolin; Qi H.; Zhao H.; Li Huaizhi; Zhang X.

Определение содержания нефти в сточных водах нефтепромыслов методом частичных наименьших квадратов и сверточной нейронной сети на основе спектра пропускания УФ-излучения и мутности

Wang Q. , Li Haolin , Qi H. , Zhao H. , Li Huaizhi , Zhang X.

2023

Для исследования содержания нефти с помощью УФ-спектрофотометрии отобраны пробы сточных вод нефтепромысла и измерены их УФ-пропускание и мутность. Для количественного анализа использованы метод частичных наименьших квадратов (PLS) и сверточные нейронные сети (CNN), основанные на наборе данных спектров УФ-пропускания. Коэффициент корреляции между содержанием нефти и мутностью сточных вод нефтепромысла 0.924 свидетельствует о линейной зависимости между содержанием нефти и мутностью. Мутность добавляется в набор данных для исследования ее влияния на точность прогноза. Показано, что точность моделей, построенных по коэффициенту пропускания и мутности, выше, чем у моделей, построенных только по коэффициенту пропускания, что подтверждается как для PLS, так и для CNN. При одинаковом составе набора данных модели PLS и CNN почти точны, но в целом CNN работает немного лучше. Положено начало прогнозированию нефтесодержания в сточных водах нефтепромыслов на основе УФспектрофотометрии и дальнейшему внедрению оперативного детектирования.

Wang Q. , Li Haolin , Qi H. , Zhao H. , Li Huaizhi , Zhang X. Определение содержания нефти в сточных водах нефтепромыслов методом частичных наименьших квадратов и сверточной нейронной сети на основе спектра пропускания УФ-излучения и мутности. Журнал прикладной спектроскопии. 2023;90(4):661.

Цитирование

Список литературы

1. F. Al Jabri, L. Muruganandam, D. A. Aljuboury, Global NEST J., 21, No. 2, 204–210 (2019).

2. Xu Shirong, Duan Ming, Zhang Jian, Chem. Eng. Oil and Gas, 38, No. 3, 258–261 (2009).

3. C. Y. Wang, H. H. Jiang, J. W. Gao, J. L. Zhang, R. E. Zheng, Spectrosc. Spectr. Anal., 26, No. 6, 1080–1083 (2006).

4. Yang Haiya, Wu Liangzhuan, Yu Yuan, Zhi Jinfang, Chin. J. Spectrosc. Lab., 28, No. 6, 2770–2773 (2011).

5. P. D. Wentzell, D. T. Andrews, J. M. Walsh, J. M. Cooley, et al., Can. J. Chem., 77, No. 3, 391–400 (1999).

6. X. Bian, S. Li, L. Lin, X. Tan, Q. Fan, M. Li, Anal. Chim. Acta, 925, 16–22 (2016), doi: 10.1016/j.aca.2016.04.029.

7. Xiaojun Tang, Angxin Tong, Feng Zhang, Bin Wang, Sains Malaysiana, 49, No. 8, 1773–1785 (2020).

8. P. Li, J. Qu, Y.He, Z. Bo, M. Pei, RSC Adv., 10, No. 35, 20691–20700 (2020), doi: 10.1039/c9ra10732k.

9. W. S. Jia, H. Z. Zhang, J. Ma, G. Liang, J. H. Wang, X. Liu, Spectrosc. Spectr. Anal., 40, No. 9, 2981–2988 (2020).

10. X. W. Chen, G. F. Yin, N. J. Zhao, T. T. Gan, R. F. Yang, W. Zhu, J. G. Liu, W. Q. Liu, Spectrosc. Spectr. Anal., 39, No. 9, 2912–2916 (2019).

11. Wu Decao, Wei Biao, Tang Ge, Feng Peng, Tang Yuan, Liu Juan, Xiong Shuangfei, Acta Opt. Sin., 37, No. 2, 0230007 (2017).

12. Y. Hu, X. Wang, Sensors and Actuators B: Chem., 239, 718–726 (2017), doi: 10.1016/j.snb.2016.08.072.

13. E. Carré, J. Pérot, V. Jauzein, L. Lin, M. Lopez-Ferber, Water Sci. Technol., 76, No. 3, 633–641 (2017), doi: 10.2166/wst.2017.096.

14. B. Chen, H. Wu, S. F. Y. Li, Talanta, 120, 325–330 (2014), doi: 10.1016/j.talanta.2013.12.0.

15. X. Liu, L. Wang, Water Sci. Technol., 71, No. 10, 1444–1450 (2015), doi: 10.2166/wst.2015.110.

16. J. C. Cancilla, R. Aroca-Santos, K. Wierzchoś, J. S. Torrecilla, Chemom. Intell. Lab. Systems, 156, 102–107 (2016), doi: 10.1016/j.chemolab.2016.05.

17. Y. Chen, L. Song, Y. Liu, L. Yang, D. Li, Appl. Sci., 10, No. 17, 5776 (2020), doi: 10.3390/app10175776.

18. G. Puertas, M. Vázquez, J. Food Comp. Anal., 86, 103350 (2020), doi: 10.1016/j.jfca.2019.10335.

19. B. Wei, K. Hao, X. Tang, Y. Ding, Textile Res. J., 004051751881365 (2018), doi: 10.1177/0040517518813656.

20. L. Norgaard, A. Saudland, J. Wagner, et al., Appl. Spectrosc., 54, No. 3, 413–419 (2000).

21. F. Al Jabri, L. Muruganandamand, D. A. Aljuboury, Global NEST J., 21, No. 2, 204–210 (2019).

Источник

Информация

Автор

Wang Q. Школа архитектуры и строительства Северо-Восточного нефтяного университета; Хэйлунцзянская лаборатория многофазной обработки нефти и нефтехимии и предотвращение загрязнения
Li Haolin Школа архитектуры и строительства Северо-Восточного нефтяного университета
Qi H. Школа архитектуры и строительства Северо-Восточного нефтяного университета; Хэйлунцзянская лаборатория многофазной обработки нефти и нефтехимии и предотвращение загрязнения
Zhao H. Школа машиностроения и инженерии Северо-Восточного нефтяного университета
Li Huaizhi Школа архитектуры и строительства Северо-Восточного нефтяного университета
Zhang X. Школа архитектуры и строительства Северо-Восточного нефтяного университета

Страницы

Год издания

2023

Ключевые слова

Коллекции

Журнал прикладной спектроскопии

Похожие публикации

Источник

Информация