典型文献
新的多任务预测优化模型损失函数及其在蜡油加氢催化剂评价中的应用
文献摘要：
建立蜡油加氢中试模型,预测加氢蜡油中硫、氮含量,一直是工艺研发人员的需求.为实现这一目标,笔者基于深度学习框架,建立了蜡油加氢4种不同催化剂的数据驱动模型,该模型可同时预测产品的硫、氮含量.传统的深度学习框架训练多任务模型时,其损失函数简单表示为各任务损失函数求和后再平均,由于该方式未考虑各任务优化时的梯度冲突,其结果通常不理想.为解决这一问题,根据硫、氮任务的数据分布特点,赋予硫、氮损失函数不同的权重,缩小二者梯度的差异.仿真结果表明:同时预测加氢蜡油中硫、氮含量(质量分数)的平均绝对误差分别从125.36和45.95μg/g降低至49.89和38.62μg/g,平均相对误差分别从32.6％ 和13.4％ 降低至9.98％ 和9.59％,新构建的损失函数基本解决了同时预测硫、氮任务时,预测误差不平衡的问题,能满足实际应用的要求.
文献关键词：
硬参数共享;多任务预测;损失函数
中图分类号：
作者姓名：
田旺;秦康;李明丰;胡元冲;梁家林;褚小立
作者机构：
中国石化 石油化工科学研究院,北京 100083
文献出处：
引用格式：
[1]田旺;秦康;李明丰;胡元冲;梁家林;褚小立-.新的多任务预测优化模型损失函数及其在蜡油加氢催化剂评价中的应用)[J].石油学报（石油加工）,2022(03):528-534
A类：
多任务预测
B类：
损失函数,蜡油加氢,加氢催化剂,中试,氮含量,研发人员,深度学习框架,数据驱动模型,测产,多任务模型,数据分布,氮损失,平均绝对误差,平均相对误差,基本解,预测误差,硬参数共享
AB值：
0.23872
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
