基于机器学习的汽油精制工艺操作方法优化

摘要：

降低辛烷值损失是石化企业催化裂化汽油脱硫精制工艺过程中的重要目标之一.针对该工艺过程中控制变量维度高且存在非线性和强耦联性等问题,研究利用Pearson、Spearman、最大信息系数三种方法,对操作变量进行相关性分析及特征降维,选取与辛烷值损失强相关的21个主要变量,建立了基于XGBoost辛烷值损失预测模型,交叉验证平均准确率达96.54％;然后,提出以硫含量不大于5μg/g为约束的工艺操作方法优化模型实现辛烷值损失最小,并通过遗传算法-聚类递归的方法进行求解,确定主要变量取值.以133号样本为例的模型可视化结果表明,所提出的优化模型可以在主要变量逐步调整过程中实现硫含量降至最低点,辛烷值损失接近最小.这既验证了模型的有效性和可移植性,也为汽油精制工艺提供了量化科学优化支撑.

关键词：汽油精制、机器学习、辛烷值预测、聚类递归、交叉验证

所属期刊栏目：22

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金;北京市自然科学基金;北京市社会科学基金项目

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：8387-8396