基于机器学习的汽油精制作中辛烷值损失预测模型研究

作者：葛胜利; 彭澎; 王希阔; 吴正强; 狄长安^*

来源：自动化与仪器仪表, 2023, (03): 26-30.

DOI：10.14016/j.cnki.1001-9227.2023.03.026

• 数据挖掘
• 因子分析法
• BP神经网络
• 遗传算法

有效降低汽油中烯烃含量和硫含量的同时较好保持成品汽油中的辛烷值已成为油品质量研究的热点。首先对催化裂化汽油精制脱硫装置产生的原料性质、待生吸附剂性质、再生吸附剂性质、产品性质、操作变量共367个变量数据进行预处理，然后利用因子分析法对数据进行样本降维，最终得到23个主要建模变量。然后分别运用K邻近法(KNN)、随机森林回归、BP神经网络回归算法建立辛烷值损失模型，通过对比拟合优度R2,确定拟合效果最好的模型为BP神经网络回归模型。最后利用遗传算法对主要变量进行优化，确定了硫含量不大于5μg/g条件下，辛烷值损失值最小的操作条件，并对辛烷值损失模型和操作变量模型进行验证，结果表明：辛烷值损失降幅约为48.3%,硫含量约为4.2μg/g,实现了优化模型可保证在脱硫的基础上，显著降低辛烷值损失。

• 单位
  中国人民解放军63850部队; 南京理工大学