基于粒子群优化算法改进的XGBoost模型制备C4烯烃工艺条件优化

摘要：

C4烯烃是生产清洁友好燃料等化工产品的重要原料,提升C4烯烃收率,增大C4烯烃产量是生产过程重要的目标之一.针对乙醇偶合制备C4烯烃这一化学反应样本数量多、特征数量少等特点,提出一种组合模型——粒子群优化(particle swarm optimization,PSO)算法改进的XGBoost模型.首先,将XGBoost模型与数据的拟合效果作为粒子群算法的目标函数,通过粒子迭代确定XGBoost模型的最优超参数;其次,通过对变量设置一定的步长构造仿真数据.最后,将优化后的XGBoost模型与仿真数据进行拟合,拟合优度由76％提升至93％.根据预测结果确定了C4烯烃的最大收率和最佳反应条件,得到C4烯烃收率的最大值为43.52％.实验结果表明,改进后的XGBoost模型在误差和精度方面都优于原始模型.

关键词：C4烯烃收率、XGBoost、粒子群优化算法、超参数优化

所属期刊栏目：23

分类号：TP181(自动化基础理论)

资助基金：首都经济贸易大学北京市属高校基本科研业务费专项QNTD202109

在线出版日期：2023-03-31（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：2016-2024