用于FCC汽油辛烷值预测的非线性数学模型

• 作者: 刘熠斌 孙忠超 山红红 李春义 杨朝合
• 来源期刊: 炼油技术与工程
• 学科: 工学
• 关键词: FCC汽油 研究法辛烷值 BP神经网络 支持向量机 粒子群算法
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 设计方法
• 页码范围: 60-64
• 分类号: TE626.21
• 字数: 3614字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-106X.2012.02.013

摘要

依据汽油正构烷烃、异构烷烃、烯烃、环烷烃和芳烃( PIONA)的烃组成数据,将催化裂化(FCC)汽油单体烃组成分为37组,利用BP神经网络算法和支持向量机回归(SVR)分别建立了FCC汽油研究法辛烷值对37个变量的非线性数学模型.由MATLAB软件编写程序,利用Levenberg-Marquardt优化算法训练BP神经网络.支持向量机回归模型采用粒子群算法优化支持向量机参数及核函数参数,并采取交叉验证方法防止机器学习的欠学习和过拟合问题.计算结果表明:两种模型都能够较好地反映汽油单体烃组成与辛烷值之间的非线性关系；BP神经网络模型对辛烷值的预测性能好于支持向量机回归模型；增加样本数量,两种方法的预测准确性皆变好；针对40个样本的学习结果,两种模型预测的相对误差绝对值的平均值分别为0.148 7和0.1674.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	山红红	中国石油大学重质油国家重点实验室	70	627	13.0	20.0
2	李春义	中国石油大学重质油国家重点实验室	53	455	12.0	19.0
3	杨朝合	中国石油大学重质油国家重点实验室	109	779	13.0	21.0
4	刘熠斌	中国石油大学重质油国家重点实验室	29	132	6.0	10.0
5	孙忠超	中国石油大学重质油国家重点实验室	2	25	2.0	2.0