典型文献
基于机器学习的汽油精制工艺操作方法优化
文献摘要：
降低辛烷值损失是石化企业催化裂化汽油脱硫精制工艺过程中的重要目标之一.针对该工艺过程中控制变量维度高且存在非线性和强耦联性等问题,研究利用Pearson、Spearman、最大信息系数三种方法,对操作变量进行相关性分析及特征降维,选取与辛烷值损失强相关的21个主要变量,建立了基于XGBoost辛烷值损失预测模型,交叉验证平均准确率达96.54％;然后,提出以硫含量不大于5μg/g为约束的工艺操作方法优化模型实现辛烷值损失最小,并通过遗传算法-聚类递归的方法进行求解,确定主要变量取值.以133号样本为例的模型可视化结果表明,所提出的优化模型可以在主要变量逐步调整过程中实现硫含量降至最低点,辛烷值损失接近最小.这既验证了模型的有效性和可移植性,也为汽油精制工艺提供了量化科学优化支撑.
文献关键词：
汽油精制;机器学习;辛烷值预测;聚类递归;交叉验证
中图分类号：
作者姓名：
张栋;林建新;刘博;林坤
作者机构：
北京建筑大学北京市城市交通基础设施建设工程技术研究中心,北京100044
文献出处：
引用格式：
[1]张栋;林建新;刘博;林坤-.基于机器学习的汽油精制工艺操作方法优化)[J].科学技术与工程,2022(19):8387-8396
A类：
聚类递归
B类：
基于机器学习,汽油精制,精制工艺,工艺操作,操作方法,方法优化,辛烷值损失,石化企业,催化裂化汽油,脱硫,工艺过程,中控,控制变量,耦联,研究利用,最大信息系数,三种方法,特征降维,XGBoost,损失预测模型,交叉验证,平均准确率,硫含量,模型实现,步调,整过,最低点,可移植性,科学优化,辛烷值预测
AB值：
0.296979
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。
