基于机器学习的蜡油性质智能预测方法

作者：满晨冰; 王晓霖; 杜红勇; 杨晓; 郭士刚

来源：当代化工, 2023, 52(03): 698-703.

DOI：10.13840/j.cnki.cn21-1457/tq.2023.03.006

• 机器学习
• 蜡油
• 随机森林
• XGBoost
• 性质预测

蜡油是炼油工艺过程中的重要副产品，具有较高的附加值。原油经过不同工艺加工可获得多种石蜡产品，产品的关键性质（如熔点、含油量、针入度等）受其碳组成含量和结构的影响较大。产品性质的传统检测方法有色谱法（GC）、质谱法（MS）、近红外法（IR）以及色谱质谱联用法（GC-MS）等。但是这些方法检测耗时长，设备操作比较复杂，难以快速实现产品性质的预测。为能快速得到蜡油关键性质，收集整理了样本检测数据，对数据结构进行了预处理，建立了基于随机森林和XGBoost的蜡油关键性质智能预测模型，通过对蜡油3个关键性质的预测对比分析两个模型性能，XGBoost模型收敛性较好，3个关键性质训练结果的R2均已达到0.75以上，可用于指导蜡油产品性质的预测。