基于机器学习的汽油加氢裂化辛烷值损失预测和脱硫优化

摘要：

辛烷值损失的准确预测有助于汽油炼制过程的优化与控制,以达到更好的脱硫效果.原油的加氢脱硫是一个十分复杂的物化反应过程,对于该过程中的参数控制多依赖于工人的经验,因此基于大数据建立辛烷值损失预测模型可以用于优化脱硫效果,从而提高产品质量,减轻工人的劳动强度,具有十分重大的实际意义.采用单因素分析、方差过滤、随机森林等方法进行了特征筛选,最后基于逻辑回归、BP(back propagation)神经网络以及支持向量机(support vector machine,SVM)三种机器学习算法构建了辛烷值损失预测模型.实验结果表明,基于SVM建立的辛烷值损失预测模型精度达到了 98.24％,优于逻辑回归和BP神经网络预测模型.将该模型应用于脱硫优化,在生成汽油的硫含量达标的情况下,获得最优的控制变量组合,达到将辛烷值损失降到最低的目的.

关键词：辛烷值、预测、加氢脱硫、机器学习、优化

所属期刊栏目：22

分类号：TP301(计算技术、计算机技术)

资助基金：成都市国际合作项目2020-GH02-00023-HZ

在线出版日期：2022-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1076-1084