Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Deconvolution of IR signals from oil characterization and prediction of properties

Michalopoulos Alessandro

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/530A8FC0-6634-40FB-B011-C83F1A2EFAD0-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.86231-
Γλώσσαen-
Μέγεθος2.4 megabytesen
ΤίτλοςDeconvolution of IR signals from oil characterization and prediction of properties en
ΔημιουργόςMichalopoulos Alessandroen
ΔημιουργόςΜιχαλοπουλος Αλεξανδροςel
Συντελεστής [Επιβλέπων Καθηγητής]Pasadakis Nikolaosen
Συντελεστής [Επιβλέπων Καθηγητής]Πασαδακης Νικοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Gaganis Vasileiosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Γαγανης Βασιλειοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Κουρουνης Δροσοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Kourounis Drososen
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteen
Ακαδημαϊκή ΜονάδαTechnical University of Crete::School of Mineral Resources Engineeringen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Ορυκτών Πόρωνel
ΠερίληψηIn order to interpret a Fourier Transform Infrared (FTIR) signal in its entirety, thousands of peaks would have to be identified requiring a significant amount of samples making the process not just expensive but actually impossible. The aim of this research is to instead focus on specific spectral bands in order to significantly reduce the number of required samples for interpretation. A new algorithm is proposed to deconvolve the infrared spectrum of complex hydrocarbon mixtures in the 3000-2750 cm-1, 1400-1330 cm-1 and 1000-700 cm-1 regions. The algorithm is developed based on the analysis of FTIR spectra of 33 oil fractions. The experimentally derived spectra are deconvolved by fitting 5, 2 and 7 Lorentzian distributions, corresponding to aliphatic C-H stretching vibrations, aliphatic C-H scissoring/symmetric deformation vibrations and aromatic C-H out-of-plane bending vibrations for each of the above regions respectively. The distribution of chemical structures in the oils were extracted, and correlations were studied between them and the measured saturates and aromatics percentage concentrations of the samples through the use of a linear regression model. The validity of the results was interpreted by the Root Mean Square Error of Prediction (RMSEP) and through their comparison with the errors calculated from a previous student thesis. The reliability of the selected peaks is backed up by the small calculated NLP errors and the fitting of the first and second derivatives between the composite curve and the FTIR signal. The algorithm facilitates the spectra modeling and the accurate estimation of the fitted methyl and methylene peak areas, which can be used for calculating specific compositional parameters of oil samples instead of the usually employed peak heights. Such modeling is extremely important for heavy petroleum fractions, where detailed compositional information is difficult to be obtained. The results of the research showed that the connection between the peaks and the concentration values becomes clear enough through the usage of this procedure which, with the appropriate corrections, yields low RMSEP errors.en
ΠερίληψηΓια τη σωστή πλήρη ερμηνεία του σήματος Fourier Transform Infrared (FTIR ), θα ήταν απαραίτητο χιλιάδες κορυφές να μελετηθούν πράξη η οποία θα απαιτούσε έναν σημαντικό αριθμό δειγμάτων. Τέτοια πρακτική θα ήταν όχι μόνο ακριβή αλλά και πρακτικά αδύνατη. Στόχος αυτής της μελέτης είναι ο εστίαση σε συγκεκριμένες φασματικές ζώνες για τη μείωση των απαραίτητων δειγμάτων προς ερμηνεία. Ένας νέος αλγόριθμος προτείνεται για την αποδόμηση του υπέρυθρου φάσματος για σύνθετα μίγματα υδρογονανθράκων στις περιοχές 3100-2750 cm-1, 1400-1330 cm-1 και 1000-700 cm-1. Ο αλγόριθμος αναπτύχθηκε βασισμένος στην ανάλυση του FTIR σήματος 33 δειγμάτων πετρελαίου. Τα φάσματα που επιλέχθηκαν είναι εμπειρικά και αποτελούνται από 5, 2 και 7 Λορεντζιανές κατανομές, οι οποίες αντιστοιχούν σε stretching δονήσεις C-H, scissoring/symmetric δονήσεις παραμόρφωσης αλειφατικών C-H και out-of-plane bending δονήσεις αρωματικών C-H για κάθε μία από τις προαναφερθείσες περιοχές αντίστοιχα. Η κατανομή των χημικών δομών πετρελαίων εξάχθηκαν, και μελετήθηκαν οι συσχετίσεις μεταξύ τους και των εργαστηριακά υπολογισμένων ποσοστών περιεκτικοτήτων σε κορεσμένους και αρωματικούς υδρογονάνθρακες των δειγμάτων μέσω της χρήσης ενός μοντέλου γραμμικής παλινδρόμησης. Η εγκυρότητα των αποτελεσμάτων ελέγχθηκε από το Root Mean Square Error of Prediction (RMSEP) σφάλμα αλλά και από τη σύγκριση με τα αποτελέσματα μοντέλων που αναπτύχθηκαν σε ξεχωριστή διπλωματική εργασία. Η αξιοπιστία για τις επιλεγμένες κορυφές του σήματος στηρίζεται στην προσέγγιση ακριβείας του αλγορίθμου στο αρχικό σήμα καθώς και στις παραγώγους πρώτου και δευτέρου βαθμού της συνθετικής καμπύλης στα δεδομένα του FTIR σήματος. Ο αλγόριθμος αυτός διευκολύνει τη μοντελοποίηση του φάσματος και επιτρέπει μια ακριβής προσέγγιση των περιοχών μεθυλίου και μεθυλενίου, οι οποίες μπορούν να χρησιμοποιηθούν για τον πρόβλεψη συγκεκριμένων παραμέτρων δειγμάτων πετρελαίου αντί της συνήθης χρήσης των κορυφών τους. Τέτοιου είδους μοντελοποίηση είναι ιδιαίτερα σημαντική για βαριά κλάσματα πετρελαίου, όπου είναι δύσκολη η απόκτηση λεπτομερών πληροφοριών της σύστασης. Τα αποτελέσματα της έρευνας έδειξαν πως η σύνδεση μεταξύ των κορυφών και της περιεκτικότητας σε διάφορα συστατικά γίνεται αρκετά ευδιάκριτη μέσω της χρήσης αυτής της μεθοδολογίας η οποία, με τις κατάλληλες διορθώσεις, δίνει χαμηλά σφάλματα RMSEP.el
ΤύποςΜεταπτυχιακή Διατριβήel
ΤύποςMaster Thesisen
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2020-07-21-
Ημερομηνία Δημοσίευσης2020-
Θεματική ΚατηγορίαOil property predictionen
Θεματική ΚατηγορίαLinear regressionen
Θεματική ΚατηγορίαDeconvolutionen
Θεματική ΚατηγορίαFTIR signalen
Βιβλιογραφική ΑναφοράAlessandro Michalopoulos, "Deconvolution of IR signals from oil characterization and prediction of properties ", Master Thesis, School of Mineral Resources Engineering, Technical University of Crete, Chania, Greece, 2020en

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά