基于mRMR-BP算法的辛烷值损失预测模型研究

摘要：

化工过程建模一般通过数据关联或机理建模的方法来实现,但由于炼油工艺过程的复杂性以及设备的多样性,其操作变量之间具有高度非线性和相互强耦联的关系.在传统的数据关联模型中,变量相对较少、机理建模对原料的分析要求较高,对过程优化的响应不及时,效果并不理想.本文为了降低模型求解的复杂性,使用互信息法和mRMR算法,对367个变量进行降维处理,筛选出同时满足与辛烷值之间具有最大相关性,彼此之间又有最小的冗余性的主要变量.引入BP神经网络模型对辛烷值损失建立预测模型,经过数据训练与学习,产生辛烷值损失的预测结果,并分析主要操作变量对辛烷值损失的影响.

关键词：辛烷值、互信息法、最大相关-最小冗余(mRMR)算法、BP神经网络

所属期刊栏目：12

分类号：TE626(石油、天然气加工工业)

在线出版日期：2022-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：169-172,179