采用神经网络和主成分分析方法建立催化重整装置收率预测模型

• 作者: 何小荣 张秋怡 李初福 郭彦 陈勃 龚真直
• 来源期刊: 过程工程学报
• 学科: 地球科学
• 关键词: 催化重整 收率 预测 BP神经网络 主成分分析
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 系统与集成
• 页码范围: 366-369
• 页数: 4页
• 分类号: N945.12
• 字数: 3170字
• 语种: 中文
• DOI: 10.3321/j.issn:1009-606X.2007.02.030

摘要

催化重整装置收率预测的准确性对生产计划的制定具有重要意义. 采用神经网络和主成分分析方法,并运用改进的遗传算法进行网络训练,建立了催化重整装置收率预测模型. 将这一模型程序作为催化重整装置收率预测模块加入软件GIOPIMS(Graphic I/O Petro-chemical Industry Modeling System)中,得到更为精确的产品收率预测结果. 在实际生产中,将收率预测模块计算的催化重整装置各侧线的收率代入生产计划模型中,为生产计划的制定提供了依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何小荣	清华大学化学工程系	63	770	18.0	23.0
2	李初福	清华大学化学工程系	18	152	8.0	11.0
3	郭彦	清华大学化学工程系	6	42	4.0	6.0
4	龚真直		2	12	2.0	2.0
5	陈勃		2	12	2.0	2.0
6	张秋怡		2	12	2.0	2.0