文献类型：期刊文章

作　　者：龙梦舒[1,2] 闵超[1,2] 赵伟[3] 张馨慧[1,2] 代博仁[1,2]

LONG Meng-shu;MIN Chao;ZHAO Wei;ZHANG Xin-hui;DAI Bo-ren(School of Science, Southwest Petroleum University, Chengdu 610000, China;Artificial Intelligence Research Institute, Southwest Petroleum University, Chengdu 610500, China;Shengli Oilfield Exploration and Development Research Institute, Dongying 257000, China)

机构地区：[1]西南石油大学理学院,成都610000 [2]西南石油大学人工智能研究院,成都610500 [3]胜利油田勘探开发研究院,东营257000

出　　处：《科学技术与工程》

基　　金：成都市国际合作项目(2020-GH02-00023-HZ)。

年　　份：2022

卷　　号：22

期　　号：3

起止页码：1076-1084

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：辛烷值损失的准确预测有助于汽油炼制过程的优化与控制,以达到更好的脱硫效果。原油的加氢脱硫是一个十分复杂的物化反应过程,对于该过程中的参数控制多依赖于工人的经验,因此基于大数据建立辛烷值损失预测模型可以用于优化脱硫效果,从而提高产品质量,减轻工人的劳动强度,具有十分重大的实际意义。采用单因素分析、方差过滤、随机森林等方法进行了特征筛选,最后基于逻辑回归、BP(back propagation)神经网络以及支持向量机(support vector machine,SVM)三种机器学习算法构建了辛烷值损失预测模型。实验结果表明,基于SVM建立的辛烷值损失预测模型精度达到了98.24%,优于逻辑回归和BP神经网络预测模型。将该模型应用于脱硫优化,在生成汽油的硫含量达标的情况下,获得最优的控制变量组合,达到将辛烷值损失降到最低的目的。

关 键 词：辛烷值 预测  加氢脱硫 机器学习  优化  

分 类 号：TP301]