物料的分子组成获取方法、装置、电子设备和存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种物料的分子组成获取方法、装置、设备和存储介质。

背景技术

当前石油资源短缺日渐凸显，同时随着各国对清洁油品需求的增加和环保意识的提高，生产清洁环保燃料，减少环境污染危害已成为当务之急。因此，研究人员把注意力集中在改善现有的汽油生产过程或开发新技术来生产更加清洁的石油产品，并最大限度地生产芳烃、乙烯和其他重要的化工产品。在石油产品生产过程中，为了提高石油产品的生产技术，提升经济效益，掌握生产过程中的混合物的分子组成显得至关重要。

发明内容

发明人发现，在现有技术中，检测混合物的分子组成需要结合蒸馏、气相色谱检测、高效液相色谱分离、超高分辨率质谱检测、核磁共振检测等多道程序，检测技术复杂并且检测耗时长。因此，如何快速且可靠地分析物料的分子组成，是目前亟待解决的技术问题。鉴于上述问题，本发明的主要目的在于提供一种物料的分子组成获取方法、装置、设备和存储介质，以快速且准确地获取待检测分子的物性。本发明提出的技术方案如下：

第一方面，本发明提供了一种物料的分子组成获取方法，包括：获取待分析物料的物性数据；

将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集；所述多个物料数据集中，每个物料数据集包括属于同种物料类型的多个样本物料的物性数据，且各个物料数据集对应的物料类型不同；

将待分析物料的物性数据和目标物料数据集中包括的多个样本物料的物性数据进行相关度计算，得到待分析物料与各所述样本物料的相关度；

根据所述待分析物料与各所述样本物料的相关度从多个样本物料中选取目标样本物料；

根据所述目标样本物料的分子组成得到所述待分析物料的分子组成。

在一个或一些可选的实施例中，所述获取待分析物料的物性数据，包括：调用接口程序获取运行物料生产模拟模型的模拟软件对应的文件的存储路径，所述接口程序通过利用MATLAB基于串行通信接口的Automation技术获得；从与所述存储路径对应的存储空间中，根据待分析物料的身份信息读取与待分析物料的物性数据。

在一个或一些可选的实施例中，所述将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集，包括：

对每个预设物料数据集中各个样本物料的物性数据分别求取均值，得到平均物性数据；

分别计算待分析物料的物性数据与每个预设物料数据集对应的平均物性数据的欧式距离；

将欧式距离最小的预设物料数据集作为目标物料数据集。

在一个或一些可选的实施例中，若待分析物料的物性数据为多种物性的数据时，所述将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集，包括：

对每个预设物料数据集中各个样本物料的每种物性数据分别求取均值，得到每种物性对应的平均物性数据；

针对每个预设物料数据集：分别计算待分析物料的每种物性数据与预设物料数据集中对应的平均物性数据的欧式距离；根据每种物性数据对应的权重和对应的欧式距离进行加权计算，得到所述预设物料数据集的权重计算结果；

根据每个预设物料数据集的权重计算结果进行排序，将对应的权重计算结果最小的预设物料数据集作为目标物料数据集。

在一个或一些可选的实施例中，所述将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集，包括：

根据每个预设物料数据集中包括的各样本物料的物性数据，得到每个预设物料数据集对应的物性取值范围；

根据所述待分析物料的物性数据的取值和每个预设物料数据集对应的物性取值范围，得到与待分析物料匹配的目标物料数据集；其中，所述待分析物料的物性数据的取值在所述目标物料数据集对应的物性取值范围内。

在一个或一些可选的实施例中，若所述待分析物料的物性数据包括第一物性数据至第N物性数据，其中N为大于等于2的整数值；所述根据每个预设物料数据集中包括的样本物料的物性数据，得到每个预设物料数据集中的物性取值范围，包括：

根据每个预设物料数据集中包括的样本物料的物性数据，得到每个预设物料数据集中与第一物性数据至第N物性数据对应的物性数据取值范围。

在一个或一些可选的实施例中，所述根据所述待分析物料的物性数据的取值和每个所述物料数据集中的物性的取值范围，得到与待分析物料匹配的目标物料数据集，包括：

检测在所述多个预设物料数据集中是否仅有一个预设物料数据集对应的第一物性取值范围包含所述第一物性数据；

若是，则将该预设数据集作为与待分析物料匹配的目标物料数据集；

若否，则检测包含所述第一物性数据的取值的至少两个预设物料数据集中是否仅有一个预设物料数据集对应的第二物性取值范围包含所述第二物性数据；

若是，则确认该预设物料数据集为与待分析物料匹配的目标物料数据集；

若否，则重复上述步骤，直至得到一个目标物料数据集。

在一个或一些可选的实施例中，所述待分析物料的物性数据包括第一物性数据和第二物性数据，所述根据每个预设物料数据集中包括的样本物料的物性数据，得到每个预设物料数据集中的物性取值范围，包括：

根据每个预设物料数据集中包括的样本物料的物性数据，得到每个预设物料数据集中与第一物性数据对应的第一物性取值范围以及与所述第二物性数据对应的第二物性数据取值范围。

在一个或一些可选的实施例中，所述根据所述待分析物料的物性数据的取值和每个所述物料数据集中的物性的取值范围，得到与待分析物料匹配的目标物料数据集，包括：

检测所述待分析物料的第一物性数据的取值是否在各所述预设物料数据集分别对应的第一物性取值范围内；

若所述第一物性数据的取值在至少两个预设物料数据集分别对应的物性取值范围内，则将该至少两个预设物料数据集作为第一物料数据集，并检测所述第二物性数据的取值范围是否在各所述第一物料数据集分别对应的第二物性取值范围内；

若所述第二物性数据的取值在一个第一物料数据集对应的第二物性取值范围内，则确认该第一物料数据集为与待分析物料匹配的目标物料数据集。

在一个或一些可选的实施例中，其中，所述物性数据包括密度数据、馏出温度、凝点、含硫量或闪点中的至少一种。

在一个或一些可选的实施例中，所述待分析物料的物性数据为至少一种，所述将待分析物料的物性数据和目标物料数据集中包括的多个样本物料的物性数据进行相关度计算，得到待分析物料与各所述样本物料的相关度，包括：

针对所述目标物料数据集中的每个样本物料，分别计算得到所述待分析物料的每种物性数据与该样本物料中对应的物性数据的欧式距离；

计算得到每个样本物料的每种物性数据对应的权重和对应的欧式距离加权求和的结果；

根据各个样本物料的加权求和的结果，得到所述待分析物料与各样本物料的相关度。

在一个或一些可选的实施例中，所述根据所述待分析物料与各所述样本物料的相关度从多个样本物料中选取目标样本物料，包括：

对所述待分析物料与各所述样本物料的相关度进行排序，选取相关度最大值对应的样本物料为目标样本物料。

在一个或一些可选的实施例中，所述根据所述目标样本物料的分子组成得到所述待分析物料的分子组成，包括：

调整所述目标样本物料的分子组成，以获得待分析物料的物性偏差小于阈值的调整后的目标样本物料的分子组成，并将调整后的标样本物料的分子组成作为所述待分析物料的分子组成。

在一个或一些可选的实施例中，所述根据所述待分析物料与各所述样本物料的相关度从多个样本物料中选取目标样本物料，包括：

对所述待分析物料与各所述样本物料的相关度按照由大到小的顺序进行排序，选取相关排序在前的预设数量的至少一个样本物料作为目标样本物料；或，

根据所述待分析物料与各所述样本物料的相关度与预设相关度阈值进行比较，选取相关度大于预设相关度阈值的至少一个样本物料作为目标样本物料。

在一个或一些可选的实施例中，所述根据所述目标样本物料的分子组成得到所述待分析物料的分子组成，包括：

对至少一个目标样本物料中分别包括的分子和每种分子的含量按照各目标样本物料对应的相关度进行加权计算，得到所述待分析物料的分子组成；或，

从至少一个目标样本物料中分别包括的分子种类中选取在各目标样本物料中出现次数大于预设次数的目标分子种类；

根据各目标分子种类在每种目标样本物料中的含量和每种样本物料对应的相关度进行加权计算，得到待分析物料的分子组成。

本发明还提供了一种物料的分子组成获取装置，包括：

数据获取模块，用于获取待分析物料的物性数据；

匹配模块，用于将所述待分析物料的物性数据与多个物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集；

相关性获取模块，用于将待分析物料的数据和目标物料数据集中包括的多个样本物料的物性数据进行相关度计算，得到待分析物料与各所述样本物料的相关性；

样本选取模块，用于根据待分析物料的与各所述样本物料的相关性从多个样本物料中选取目标样本物料；

分子组成获取模块，用于根据所述目标样本物料的分子组成得到所述待分析物料的分子组成。

本发明还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现如上述的物料的分子组成获取方法。

本发明还提供了一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的物料的分子组成获取方法。

本发明有益效果如下：

本发明在需要获取待分析物料的分子组成时，通过获取待分析物料的物性数据，将待分析物料的物性数据与多个物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集，将待分析物料的物性数据和目标物料数据集中包括的多个样本物料的物性数据进行相关度计算，以根据相关度计算结果获取目标样本物料，从而根据目标样本物料分子组成得到待分析物料的分子组成，从而实现依据所述待检测分子的物性，快速且高效地获取待检测分子的分子组成。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明一实施例的物料的分子组成获取方法的流程图；

图2是图1中步骤S110的流程图；

图3是图1中步骤S130的流程图；

图4是根据本发明一实施例的物料的分子组成获取方法的另一流程图；

图5是根据本发明一实施例的物料的分子组成获取装置的结构示意图；

图6是根据本发明一实施例的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下结合附图对本申请实施例中的技术方案进行清楚、完整地描述。显然，本申请所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

如图1所示，本发明实施例，提供了一种可应用于电子设备的物料的分子组成获取方法。物料的分子组成获取方法包括：

步骤S110：获取待分析物料的物性数据。

在本实施例中，待分析物料可以是石油炼化过程中的原油、汽油、柴油或者蜡油等。其中，本实施例中所描述的物性，即物理性质，是指物质不需要经过化学变化就表现出来的性质，待分析物料的物性数据其可以包括密度数据、馏出温度、凝点、含硫量或闪点中的至少一种。

作为一种可选方式，上述的待分析物料的物性数据是由物料生产模型生成的。具体的，可以是，预先利用流程模拟软件(如Petro-SIM、Aspen plus等)建立物料生产模型，通过该物料生产模型采集生产过程不同时刻下物料的物性数据，得到该待分析物料的物性数据。该待分析物料的物性数据可以存储在该流程模拟软件对应的文件的存储路径所指示的存储空间中，也可以将该待分析物料的物性数据存储在关联的数据库或云端存储器中，从而可以从相应的存储位置获取该待分析物料的物性数据。上述物料生产模型的建立过程可以参照现有技术中的详细描述，对此，本发明实施例中可以不作具体限定。

作为另一种可选实施方式，上述步骤S110包括：

步骤S112：调用接口程序获取运行物料生产模型的模拟软件对应的文件的存储路径。

步骤S114：从与所述存储路径对应的存储空间中，根据待分析物料的身份信息读取该待分析物料的物性数据。

现有技术中的流程模拟软件(如Petro-SIM、Aspen plus等)均能够提供CAPE-OPEN(Computer-Aided Process Engineering-Open，开放式计算机辅助过程)的标准接口。可以通过利用MATLAB基于串行通信接口的Automation技术编写函数获得该接口程序，以利用该接口程序实现在MATLAB环境下调用流程模拟软件运行物料生产模型产生的数据。上述待分析物料的身份信息可以是待分析物料的物料名称、物料种类编号和预设验证信息中的至少一种。

在一个具体实施例中，上述调用流程模拟软件运行物料生产模型产生的数据的过程可以包括：

通过数据接口程序打开流程模拟软件，根据流程模拟软件的文件存储的路径，打开流程模拟软件对应的文件；

基于待分析物料的身份信息，例如，待分析物料的物料名称和物性种类，从流程模拟软件对应的文件中提取待分析物料的物性数据。

上述物料生产模型的建立过程可以参照现有技术中的详细描述，对此，本发明实施例中可以不作具体限定。实现上述调用过程的具体实现方式，可以参照现有技术中的详细描述，在此不再赘述。

步骤S120：将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配，得到与上述待分析物料匹配的目标物料数据集。

其中，上述多个预设物料数据集可以包括原油分子数据集、汽油分子数据集、柴油分子数据集以及蜡油分子数据集等中的一种或多种物料数据集，每个预设物料数据集可以分别存储在不同的数据库中。

需要说明的是，每个预设物料数据集中可以包括多个样本物料，且该多个样本物料属于同种物料类型，如原油分子数据集中包括的多个样本物料均属于原油类型，汽油分子数据集中包括的多个样本物料均属于汽油分子类型，柴油分子数据集中包括的多个样本物料均属于柴油分子类型，蜡油分子数据中包括的多个样本数据的类型均为蜡油分子类型。也就是说，该多个预设物料数据集中，每个预设物料数据集包括属于同种物料类型的多个样本物料的物性数据，且各个预设物料数据集对应的物料类型不同。

本发明实施例中，将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配的方式可以有多种。

作为一种实施方式，若待分析物料的物性数据为一种时，上述将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集，可以包括下述步骤：

对每个预设物料数据集中各个样本物料的物性数据分别求取均值，得到平均物性数据；

分别计算待分析物料的物性数据与每个预设物料数据集对应的平均物性数据的欧式距离；

将欧式距离最小的预设物料数据集作为目标物料数据集。

作为另一种实施方式，若待分析物料的物性数据为多种时，上述将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集，可以包括下述步骤：

对每个预设物料数据集中各个样本物料的每种物性数据分别求取均值，得到每种物性对应的平均物性数据；

针对每个预设物料数据集：分别计算待分析物料的每种物性数据与预设物料数据集中对应的平均物性数据的欧式距离；根据每种物性数据对应的权重和对应的欧式距离进行加权计算，得到所述预设物料数据集的权重计算结果；

根据每个预设物料数据集的权重计算结果进行排序，将对应的权重计算结果最小的预设物料数据集作为目标物料数据集。

作为又一种实施方式，若待分析物料的物性数据为一种时，上述将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集，还可以是包括下述步骤：

根据每个预设物料数据集中包括的各样本物料的物性数据，得到每个预设物料数据集对应的物性取值范围；

根据所述待分析物料的物性数据的取值和每个预设物料数据集对应的物性取值范围，得到与待分析物料匹配的目标物料数据集；其中，所述待分析物料的物性数据的取值在所述目标物料数据集对应的物性取值范围内。

步骤S130：将待分析物料的物性数据和目标物料数据集中包括的多个样本物料的物性数据进行相关度计算，得到待分析物料与目标物料数据集中各所述样本物料的相关度。

其中，上述步骤S130可以是，利用相似度计算公式对所述待分析物料的物性数据与目标样本数据集中包括的多个样本物料的物性数据进行相似度计算，其中，待分析物料的物性数据与样本物料的物性数据之间的相似度越大则表示分子物料的物性数据与样本物料的物性数据之间的相关性越高。

上述步骤S130，还可以是，分别计算待分析物料的物性数据与目标物料数据集中包括的多个样本物料的物性数据的欧式距离，得到欧式距离计算结果，其中，待分析物料的物性数据与样本物料的物性数据之间的距离越小，则表示待分析物料的物性数据与样本物料的物性数据之间相关度越大。

应当理解，若待分析物料的物性数据为多种时，那么，该目标物料数据集中的每个样本物料的物性数据也为多种，上述步骤S130具体可以包括：

步骤S132：针对所述目标物料数据集中的每个样本物料，分别计算得到所述待分析物料的每种物性数据与该样本物料中对应的物性数据的欧式距离；

步骤S134：计算得到每个样本物料的每种物性数据对应的权重和对应的欧式距离加权求和的结果；

步骤S136：根据各个样本物料的加权求和的结果，得到所述待分析物料与各样本物料的相关度。

需要说明的是，上述步骤S134中根据每种物性数据对应的权重的取值、样本物料的每种物性数据与待分析物料的对应的物性数据的欧式距离进行加权求和的结果的值越小，则待分析物料与该样本物料的相关度越高，不同的加权求和的结果对应有不同的相关度。具体的可以是，在预设存储位置，例如电子设备中，预先存储有不同的加权计算的结果与相关度之间的对应关系，根据每个样本物料对应的加权计算的结果和上述的对应关系即可得到待分析物料与每个样本物料的相关度。

步骤S140：根据所述待分析物料与各所述样本物料的相关度从多个样本物料中选取目标样本物料。

其中，上述步骤S140可以是，对所述待分析物料与各所述样本物料的相关度进行排序。选取相关度最大值对应的样本物料为目标样本物料。

上述步骤S140还可以是，对所述待分析物料与各所述样本物料的相关度按照由大到小的顺序进行排序，选取相关排序在前的预设数量的至少一个样本物料作为目标样本物料。

上述步骤S140还可是，根据所述待分析物料与各所述样本物料的相关度与预设相关度阈值进行比较，选取相关度大于预设相关度阈值的至少一个样本物料作为目标样本物料。

步骤S150：根据所述目标样本物料的分子组成得到所述待分析物料的分子组成。

其中，所述目标样本物料的分子组成得到所述待分析物料的分子组成的方式可以有多种。

作为一种可实施方式，若目标样本物料为至少一个时，可以对至少一个目标样本物料中分别包括的分子和每种分子的含量按照各目标样本物料对应的相关度进行加权计算，得到所述待分析物料的分子组成。

作为另一种可实施方式，若目标样本物料为至少一个时，可以根据至少一个目标样本物料中分别包括的分子种类中选取在各目标样本物料中出现次数大于预设次数的目标分子种类，并根据各目标分子种类在每种目标样本物料中的含量和每种样本物料对应的相关度进行加权计算得到待分析物料的分子组成。

作为再一种方式，若所述目标样本物料为一个时，可以计算目标样本物料与待分析物料的物性偏差值，若该物性偏差值大于等于预设物性偏差阈值，则调整所述目标样本物料的分子组成，并重新计算调整后的目标样本物料与待分析物料的物性偏差值，直至该物性偏差值小于预设物性偏差阈值，则将该调整后的目标样本物料的分子组成作为所述待分析物料的分子组成。

通过采用本申请的物料的分子组成获取方法，在获取得到物料生产模拟模型生成的待分析物料的物性数据，通过将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集可以快速筛选出待分析物料所属的物料类型及对应的目标物料数据集。通过将待分析物料的物性数据与目标物料数据集中各样本物料的物性数据进行相关度计算可以获得与其相关度较高的目标样本物料，并根据目标样本物料的分子组成实现快速且准确地获知待分析物料的分子组成。

请参阅图4，本发明实施例还提供了可应用于电子设备的一种物料的分子组成获取方法，所述方法包括以下步骤：

步骤S210：调用接口程序获取运行物料生产模拟模型的模拟软件对应的文件的存储路径。

所述接口程序通过利用MATLAB基于串行通信接口的Automation技术获得。

步骤S220：从与所述存储路径对应的存储空间中，根据待分析物料的身份信息读取与待分析物料的物性数据。

步骤S230：根据每个预设物料数据集中包括的各样本物料的物性数据，得到每个预设物料数据集对应的物性取值范围。

应当理解，若预设物料数据集中各样本物料对应的物性数据为多种时，相应的，得到的物性取值范围也为多种，且每种物性数据对应一种物性取值范围。

步骤S240：根据所述待分析物料的物性数据的取值和每个预设物料数据集对应的物性取值范围，得到与待分析物料匹配的目标物料数据集。

其中，所述待分析物料的物性数据的取值在所述目标物料数据集对应的物性取值范围内。

若所述待分析物料的物性数据包括第一物性数据至第N物性数据，其中N为大于等于2的整数值；上述步骤S230中，根据每个预设物料数据集中包括的样本物料的物性数据，得到每个预设物料数据集中的物性取值范围，包括：

根据每个预设物料数据集中包括的样本物料的物性数据，得到每个预设物料数据集中与第一物性数据至第N物性数据对应的物性数据取值范围。

对应的，上述步骤S240中，根据所述待分析物料的物性数据的取值和每个所述物料数据集中的物性的取值范围，得到与待分析物料匹配的目标物料数据集，包括：

检测在所述多个预设物料数据集中是否仅有一个预设物料数据集对应的第一物性取值范围包含所述第一物性数据；

若是，则将该预设数据集作为与待分析物料匹配的目标物料数据集；

若否，则检测包含所述第一物性数据的取值的至少两个预设物料数据集中是否仅有一个预设物料数据集对应的第二物性取值范围包含所述第二物性数据；

若是，则确认该预设物料数据集为与待分析物料匹配的目标物料数据集；

若否，则重复上述步骤，直至得到一个目标物料数据集。

在本实施例中，若所述待分析物料的物性数据包括第一物性数据和第二物性数据，则步骤S230包括：

根据每个预设物料数据集中包括的样本物料的物性数据，得到每个预设物料数据集中与第一物性数据对应的第一物性取值范围以及与所述第二物性数据对应的第二物性数据取值范围。

相应的，上述步骤S240可以包括以下步骤：

检测所述待分析物料的第一物性数据的取值是否在各所述预设物料数据集分别对应的第一物性取值范围内；

若所述第一物性数据的取值在至少两个预设物料数据集分别对应的物性取值范围内，则将该至少两个预设物料数据集作为第一物料数据集，并检测所述第二物性数据的取值是否在各所述第一物料数据集分别对应的第二物性取值范围内；

若所述第二物性数据的取值在一个第一物料数据集对应的第二物性取值范围内，则执行确认该第一物料数据集为与待分析物料匹配的目标物料数据集。

应当理解，若所述第一物性数据的取值在一个预设物料数据集分别对应的物性取值范围内，则该预设物料数据集即为目标物料数据集。

还应当理解的是，若还有其他类型的物性数据，如第三物性数据或第四物性数据，且所述第二物性数据的取值在至少两个第一物料数据集对应的第二物性取值范围内则可以执行与第一物性数据相似的比对操作，检测所述第三物性数据的取值是否在各新的第一物料数据集分别对应的第三物性取值范围内。直至获取到仅有一个物料数据集为止。

应当理解，上述的第一物性数据、第二物性数据以及第三物性数据等等可以有优先级顺序，即第一物性数据的优先级大于第二物性数据的优先级，第二物性数据的优先级大于第三物性数据的优先级，如此，可以准确且快速地获取到目标物料数据集。

具体的，以第一物性数据为密度，第二物性数据为馏出温度为例进行说明：

将待分析物料的密度与各预设物料数据集的密度区间进行匹配；

若待分析物料的密度取值仅在一个预设物料数据集对应的密度区间内，则选择该预设物料数据集作为目标物料数据集；

若待分析物料的密度取值在至少两个预设物料数据集分别对应的密度区间内，则将该至少两个预设物料数据集作为第一物料数据集，并检测待分析物料的馏出温度取值是否在各所述第一物料数据集分别对应的第二物性取值范围内；

具体的，可以是，将待分析物料的5％的馏出温度与各第一物料数据集的第一馏程区间进行匹配，或将待分析物料的95％的馏出温度与各第一物料数据集的第二馏程区间进行匹配，确定其是否仅在一个第一物料数据集对应的密度区间内；

若是，则选择该第一物料数据集作为目标物料数据集；

否则，获取待分析物料的第三物性数据，继续与上述馏出温度判断相似的步骤，直到确定出一个预设物料数据集作为目标物料数据集。

步骤S250：将待分析物料的物性数据和目标物料数据集中包括的多个样本物料的物性数据进行相关度计算，得到待分析物料与各所述样本物料的相关度。

步骤S260：根据所述待分析物料与各所述样本物料的相关度从多个样本物料中选取目标样本物料。

步骤S270：根据所述目标样本物料的分子组成得到所述待分析物料的分子组成。

通过采用本申请的物料的分子组成获取方法，在获取得到物料生产模拟模型生成的待分析物料的物性数据，通过将所述待分析物料的物性数据与多个物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集可以快速筛选出待分析物料所属的物料类型及对应的目标物料数据集。通过将待分析物料的物性数据与目标物料数据集中各样本物料的物性数据进行相关度计算可以获得与其相关度较高的目标样本物料，并根据目标样本物料的分子组成实现快速且准确地获知待分析物料的分子组成。

基于同一发明构思，请参阅图5，本发明实施例还提供了一种物料的分子组成获取装置300，包括数据获取模块310、匹配模块320、相关性获取模块330、样本选取模块340以及分子组成获取模块350。

数据获取模块310，用于获取待分析物料的物性数据；

匹配模块320，用于将所述待分析物料的物性数据与多个物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集；

相关性获取模块330，用于将待分析物料的数据和目标物料数据集中包括的多个样本物料的物性数据进行相关度计算，得到待分析物料与各所述样本物料的相关性；

样本选取模块340，用于根据待分析物料的与各所述样本物料的相关性从多个样本物料中选取目标样本物料；

分子组成获取模块350，用于根据所述目标样本物料的分子组成得到所述待分析物料的分子组成。

在一个实施例中，所述数据获取模块310包括：调用子模块和读取子模块；

调用子模块，用于调用接口程序获取运行物料生产模拟模型的模拟软件对应的文件的存储路径，所述接口程序通过利用MATLAB基于串行通信接口的Automation技术获得；

读取子模块，用于从与所述存储路径对应的存储空间中，根据待分析物料的名称读取与待分析物料的物性数据。

在一个实施例中，所述匹配模块320，具体用于对每个预设物料数据集中各个样本物料的物性数据分别求取均值，得到平均物性数据；

分别计算待分析物料的物性数据与每个预设物料数据集对应的平均物性数据的欧式距离；

将欧式距离最小的预设物料数据集作为目标物料数据集。

在一个实施例中，所述匹配模块320，具体用于对每个预设物料数据集中各个样本物料的每种物性数据分别求取均值，得到每种物性对应的平均物性数据；

针对每个预设物料数据集：分别计算待分析物料的每种物性数据与预设物料数据集中对应的平均物性数据的欧式距离；根据每种物性数据对应的权重和对应的欧式距离进行加权计算，得到所述预设物料数据集的权重计算结果；

根据每个预设物料数据集的权重计算结果进行排序，将对应的权重计算结果最小的预设物料数据集作为目标物料数据集。

在一个实施例中，所述匹配模块320，具体用于根据每个预设物料数据集中包括的各样本物料的物性数据，得到每个预设物料数据集对应的物性取值范围；

根据所述待分析物料的物性数据的取值和每个预设物料数据集对应的物性取值范围，得到与待分析物料匹配的目标物料数据集；其中，所述待分析物料的物性数据的取值在所述目标物料数据集对应的物性取值范围内。

在一个实施例中，若所述待分析物料的物性数据包括第一物性数据至第N物性数据，其中N为大于等于2的整数值；所述匹配模块320，具体用于根据每个预设物料数据集中包括的样本物料的物性数据，得到每个预设物料数据集中与第一物性数据至第N物性数据对应的物性数据取值范围；

检测在所述多个预设物料数据集中是否仅有一个预设物料数据集对应的第一物性取值范围包含所述第一物性数据；

若是，则将该预设数据集作为与待分析物料匹配的目标物料数据集；

若否，则检测包含所述第一物性数据的取值的至少两个预设物料数据集中是否仅有一个预设物料数据集对应的第二物性取值范围包含所述第二物性数据；

若是，则确认该预设物料数据集为与待分析物料匹配的目标物料数据集；

若否，则重复上述步骤，直至得到一个目标物料数据集。

在一个实施例中，所述待分析物料的物性数据包括第一物性数据和第二物性数据，所述匹配模块320，具体用于根据每个预设物料数据集中包括的样本物料的物性数据，得到每个预设物料数据集中与第一物性数据对应的第一物性取值范围以及与所述第二物性数据对应的第二物性数据取值范围；

检测所述待分析物料的第一物性数据的取值是否在各所述预设物料数据集分别对应的第一物性取值范围内；

若所述第一物性数据的取值在至少两个预设物料数据集分别对应的物性取值范围内，则将该至少两个预设物料数据集作为第一物料数据集，并检测所述第二物性数据的取值范围是否在各所述第一物料数据集分别对应的第二物性取值范围内；

若所述第二物性数据的取值在一个第一物料数据集对应的第二物性取值范围内，则确认该第一物料数据集为与待分析物料匹配的目标物料数据集。

在一个实施例中，所述相关性获取模块330，具体用于针对所述目标物料数据集中的每个样本物料，分别计算得到所述待分析物料的每种物性数据与该样本物料中对应的物性数据的欧式距离；

计算得到每个样本物料的每种物性数据对应的权重和对应的欧式距离加权求和的结果；

根据各个样本物料的加权求和的结果，得到所述待分析物料与各样本物料的相关度。

在一个实施例中，所述样本选取模块340，具体用于对所述待分析物料与各所述样本物料的相关度进行排序，选取相关度最大值对应的样本物料为目标样本物料。

在一个实施例中，所述分子组成获取模块350，具体用于调整所述目标样本物料的分子组成，以获得待分析物料的物性偏差小于阈值的调整后的目标样本物料的分子组成，并将调整后的标样本物料的分子组成作为所述待分析物料的分子组成。

在一个实施例中，所述样本选取模块340，具体用于对所述待分析物料与各所述样本物料的相关度按照由大到小的顺序进行排序，选取相关排序在前的预设数量的至少一个样本物料作为目标样本物料；或，

根据所述待分析物料与各所述样本物料的相关度与预设相关度阈值进行比较，选取相关度大于预设相关度阈值的至少一个样本物料作为目标样本物料。

在一个实施例中，所述样本选取模块340，具体用于对至少一个目标样本物料中分别包括的分子和每种分子的含量按照各目标样本物料对应的相关度进行加权计算，得到所述待分析物料的分子组成；或，

从至少一个目标样本物料中分别包括的分子种类中选取在各目标样本物料中出现次数大于预设次数的目标分子种类；

根据各目标分子种类在每种目标样本物料中的含量和每种样本物料对应的相关度进行加权计算，得到待分析物料的分子组成。

需要说明的是，本申请中装置实施例与前述方法实施例是相互对应的，装置实施例中具体的原理可以参见前述方法实施例中的内容，此处不再赘述。

基于同一发明构思，本发明实施例还提供了一种电子设备，包括处理器1110、通信接口1120、存储器1130和通信总线1140，其中，处理器1110，通信接口1120，存储器1130通过通信总线1140完成相互间的通信；

存储器1130，用于存放计算机程序；

处理器1110，用于执行存储器1130上所存放的程序时，实现如下所示物料的分子组成获取方法：

获取待分析物料的物性数据；

将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集；所述多个物料数据集中，每个物料数据集包括属于同种物料类型的多个样本物料的物性数据，且各个物料数据集对应的物料类型不同；

将待分析物料的物性数据和目标物料数据集中包括的多个样本物料的物性数据进行相关度计算，得到待分析物料与各所述样本物料的相关度；

根据所述待分析物料与各所述样本物料的相关度从多个样本物料中选取目标样本物料；

根据所述目标样本物料的分子组成得到所述待分析物料的分子组成。

上述的通信总线1140可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线1140可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口1120用于上述电子设备与其他设备之间的通信。

存储器1130可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器1130还可以是至少一个位于远离前述处理器1110的存储装置。

上述的处理器1110可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

基于同一发明构思，本发明实施例还提供了一种存储介质。这里的存储介质存储有一个或者多个程序。其中，存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。

当存储介质中一个或者多个程序可被一个或者多个处理器执行，以实现上述的物料的分子组成获取方法。

具体而言，所述处理器用于执行存储器中存储的物料的分子组成获取程序，以实现以下物料的分子组成获取方法：

获取待分析物料的物性数据；

将所述待分析物料的物性数据与多个预设物料数据集中的物性数据分别进行匹配，得到与待分析物料匹配的目标物料数据集；所述多个物料数据集中，每个物料数据集包括属于同种物料类型的多个样本物料的物性数据，且各个物料数据集对应的物料类型不同；

将待分析物料的物性数据和目标物料数据集中包括的多个样本物料的物性数据进行相关度计算，得到待分析物料与各所述样本物料的相关度；

根据所述待分析物料与各所述样本物料的相关度从多个样本物料中选取目标样本物料；

根据所述目标样本物料的分子组成得到所述待分析物料的分子组成。

可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

基于同一发明构思，本发明实施例还提供了一种计算机程序产品，包括计算机程序，所述程序被处理器执行时实现上述任意可能的实现方式中的物料的分子组成获取方法的步骤。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。