由于常减压蒸馏过程的复杂多变性，过程变量耦合严重，直接建模会增加问题分析的难度。为了提高模型性能，首先采用核主元分析（KPCA）算法对模型的变量进行选择，再将经过处理的数据作为高斯过程回归（GPR）模型的输入，采用KPCA-GPR模型建立常压塔塔顶汽油干点的估计模型。该方法可解决不同变量之间的非线性相关性，并且具有灵活的非参数推广及超参数自适应调节等优点，通过计算经验置信区间，不仅可以对汽油干点进行预测估计，还可以做概率解释。仿真结果表明，KPCA-GPR模型取得了较好的估计结果。
科研之友
微信
新浪微博
Facebook
分享链接
