基于GBDT和新型P-GBDT算法的催化裂化装置汽油收率寻优模型的构建与应用

• 作者: 戴超男 杨帆 汪坤 王伟 金宝宝 金继民
• 来源期刊: 石油学报（石油加工）
• 学科: 工学
• 关键词: P-GBDT算法 催化裂化 收率寻优模型 人工智能算法
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 研究报道
• 页码范围: 179-187
• 页数: 9页
• 分类号: TE65
• 字数: 8480字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8719.2020.01.022

摘要

催化裂化装置是一个高度非线性和相互强关联的多变量系统,基于数据挖掘技术的分析方法是优化该工艺过程的一类有力工具.笔者利用某石油化工企业集散控制系统(Distributed control system,DCS)和实验室信息管理系统(Laboratory information management system,LIMS)的工业生产实时数据,分别从指标与汽油收率的正负相关性、工业经验以及模型重要性筛选等方面选取了182个关键影响参数,利用梯度提升决策树(GBDT)算法构建催化裂化汽油收率的预测模型,预测相应的汽油收率.基于GBDT集成学习框架构建了P-GBDT模型,引入了特征扰动和特征权重,增大经验可控参数的权重,解决了普通GBDT模型对特征缺乏偏好、经验可控参数特征的权重较小的问题.结果 显示,由P-GBDT算法构建的汽油收率预测模型预测结果的准确率、R2、均方根误差等指标相比由GBDT算法构建的基准模型的预测结果明显更好,对真实收率的拟合效果更为接近,对优化改进实际可控装置操作条件具有更好的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王伟		85	250	8.0	12.0
2	汪坤		2	5	1.0	2.0
3	杨帆		1	0	0.0	0.0
4	戴超男		1	0	0.0	0.0
5	金继民		1	0	0.0	0.0
6	金宝宝		1	0	0.0	0.0