GA辅助BP神经网络预测催化裂化装置汽油产率

• 作者: 张忠洋 李国庆 李宇龙 李泽钦
• 来源期刊: 石油炼制与化工
• 关键词: 催化裂化 反应-再生系统 神经网络 遗传算法 产率
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 控制与优化
• 页码范围: 91-96
• 页数: 6页
• 字数: 3767字
• 语种: 中文

摘要

催化裂化反应-再生系统是一个高度非线性和强耦合的操作系统，用传统建模方法很难描述。鉴于人工神经网络（ANN）非线性预测和自学习自适应能力强，而遗传算法（GA）全局寻优能力强的特点，将两者结合，先通过 GA 寻得 BP 神经网络最优的权值和阈值初值，再赋予 BP，从而改善 BP 模型随机不确定选择初值的方法，提高其映射精度。以某炼油厂2．8 Mt/a MIP 装置反应-再生系统为研究对象，选取第一反应区温度、第二反应区温度、第一再生器温度、第二再生器温度、反应器压力、再生器压力等6个变量为神经网络的输入变量，汽油产率为输出变量，建立6-11-1的 BP 神经网络，并采用 GA 来对 BP 神经网络的权值和阈值进行优化。结果表明，未经 GA 优化时 BP 神经网络对催化裂化汽油产率的预测数据的均方误差为5．16，而经 GA 优化后预测数据的均方误差为4．92。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张忠洋		11	38	4.0	5.0
2	李国庆	华南理工大学强化传热与过程节能教育部重点实验室	26	136	7.0	10.0
3	李宇龙		9	36	3.0	5.0
4	李泽钦	华南理工大学强化传热与过程节能教育部重点实验室	2	13	1.0	2.0