基于SHPSO-GA-BP的成品汽油调和中加氢汽油组分辛烷值的预测

作者：李炜; 王晓明^*; 蒋栋年; 李亚洁; 梁成龙

来源：化工学报, 2020, 71(07): 3191-3200.

• 辛烷值
• 预测
• 神经网络
• 遗传算法
• 粒子群算法
• SHPSO-GA-BP神经网络
• 优化

针对成品汽油调和配方建模中加氢汽油组分辛烷值难以实时获取,考虑遗传算法(genetic algorithm,GA)、粒子群算法(particle swarm optimization,PSO)优化反向传播(back propagation,BP)网络存在的问题,提出了一种串行混合粒子群遗传算法(serial hybrid PSO-GA,SHPSO-GA)优化BP网络,并用于辛烷值的预测建模。该方法首先将PSO算法的输出依据适应度值分为优劣2个种群,弃劣留优;然后对留优种群再进行GA的交叉变异操作,进一步优化种群,经过每一代PSO和GA的交替优化,并将最优种群用于BP网络参数优化;最后基于该方法和工业历史数据,建立了加氢汽油组分辛烷值的预测模型,仿真结果表明,较传统BP,以及改进的GA-BP、PSO-BP、PSO-GA-BP等方法,SHPSO-GA-BP由于将PSO与GA进行更优的深度融合,具有更好的预测性能,可以用于辛烷值的预测。

• 单位
  兰州理工大学