科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对两段法甲醇制芳烃（MTA）工艺过程数据获取时间成本高、样本趋同、多样性差、数据信息间隔大等问题。提出一种基于虚拟样本生成技术结合遗传算法（GA）优化的极限学习机建模方法对该工艺重要产物苯、甲苯和二甲苯（BTX）的总收率进行预测。首先，以两段法甲醇制芳烃小试装置采集的数据样本为基础，利用多分布整体趋势扩散技术对模型输入数据进行扩充，再利用GA优化的极限学习机模型获取虚拟样本集合。对数据合理性进行检验后，利用原数据集合与虚拟数据集合融合建立BTX收率预测模型，采用MTA实验数据进行验证并与另外两种建模方法进行对比分析，结果表明，基于虚拟样本的建模方法拥有最优的精度表现，且该方法具有良好的稳定性，适用于甲醇制芳烃过程BTX收率预测。
- 单位
