خصوصیت سنجی ژئوشیمیایی نمونه های نفت خام با استفاده از طیف سنجی و کمومتریکس

نفت خام به عنوان یک منبع انرژی مهم ، بسته به موقعیت جغرافیایی، زمان استخراج و وقوع فرآیندهای گوناگون همچون استحاله، دارای ترکیب شیمیایی متفاوتی است. به منظور خصوصیت سنجی ژئوشیمیایی نفت خام و ارزیابی کیفی آن روشهای مختلفی وجود دارد. در این پروژه، از 85 نمونه ی نفت خام ایرانی استفاده شد که 19 نمونه از میدان نفتی اهواز و 34 نمونه از میدان نفتی فروزان تهیه شدند؛ همچنین 32 نمونه مربوط به فرمولاسیون صادراتی صنعت نفت بودند. میدان نفتی اهواز از میادین واقع در خشکی و میدان نفتی فروزان از میادین واقع در دریای خلیج فارس است. فرمولاسیون صادراتی نفت نیز به نفتی اشاره دارد که ترکیبی از نفت میادین مختلف با درصدهای معین است. به منظور تهیه طیف از نمونه های نفت خام طیف سنجی انعکاس کلی تضعیف شده مادون قرمز با دستگاه تبدیل فوریه به کار گرفته شد. سپس طیف ها دیجیتالی شدند تا مراحل پردازش داده ای انجام شود. روشهای "تجزیه مولفه های اصلی" و "ماشین بردار پشتیبان" ، به عنوان نمایندگانی از روشهای یادگیری بدون نظارت و نظارت شده، برای کلاسه بندی این داده ها به کار رفتند. کلاسه بندی دوتایی نمونه ها برای ارزیابی ژئوشیمیایی آنها انجام شد و مجموعه های دوتایی اهواز- صادراتی، اهواز- فروزان و صادراتی- فروزان تشکیل شدند. در روش تجزیه مولفه های اصلی، بااینکه مقادیر بالای واریانس کلی (بین 95% تا 98%) توسط مولفه ها تحت پوشش قرار گرفتند، اما این روش در ارائه مرزی مشخص و قابل اطمینان برای جداسازی کلاسه ها موفق نبود. بنابراین روش ماشین بردار پشتیبان مورد بررسی قرار گرفت. در روش ماشین بردار پشتیبان از تابع کرنل رادیال بیسیس با پارامترهای ? (پارامتر تنظیم) و sig2 (مربوط به شکل کرنل) استفاده شد. این پارامترها توسط خود روش بهینه سازی شدند و مقادیر صحت کلاسه بندی بین 75% تا 87% به دست آمد که در مقایسه با روش قبلی قابل اطمینان بود؛ با این حال به منظور ارتقای کیفیت مدل های آن از روشهای پیش پردازشی شامل مشتق گیری (مرتبه اول و دوم) و نیز ژنتیک الگوریتم استفاده شد. روش مشتق گیری، که برای بررسی تغییرات جزئی طیف ها مورد استفاده قرار می گیرد، تاثیر مطلوبی بر صحت کلاسه بندی نمونه ها نداشت. روش ژنتیک الگوریتم، که از جمله روشهای انتخاب متغیر بهینه براساس اصل انتخاب طبیعی می باشد، تاثیر مطلوبی بر کیفیت مدل های کلاسه کننده داشت. میزان صحت برای مجموعه اهواز- صادراتی از 85/7% به 97/1%، برای مجموعه اهواز- فروزان از 75/7% به 94/6% و برای مجموعه صادراتی- فروزان از 86/9% به 91/3% افزایش یافت. بدین ترتیب مدل ژنتیک الگوریتم- ماشین بردار پشتیبان به عنوان مدل نهایی برای کلاسه بندی دوتایی نمونه های نفت خام و ارزیابی کیفی آنها ارائه گردید.