石油学报(石油加工) ›› 2020, Vol. 36 ›› Issue (4): 756-766.doi: 10.3969/j.issn.1001-8719.2020.04.013
刘禹含, 曹萃文
LIU Yuhan, CAO Cuiwen
摘要: 基于Aspen HYSYS软件建立了与某炼油厂有限实际生产数据相吻合的连续催化重整装置的机理模型;然后在此模型中考虑多种生产可能性,扩展数据范围得到完整的装置产品预测数据集;与常用的BP神经网络作对比,采用训练速度快、预测精度高、适合非线性过程建模的LightGBM决策树模型对该催化重整装置以4个反应器的温度和循环氢流量为特征变量,分别以戊烷、二甲苯、C6、重整汽油、氢气的流量和氢气纯度为目标建立了6个单目标数据驱动产品预测模型。通过对特征变量和目标之间的相关性分析,进行10折交叉验证,得到了特性变量的重要度排序,从而针对不同生产目标找出影响最大的操作变量。结果表明,使用LightGBM建立模型的预测准确度比BP神经网络的预测准确度有大幅度提升。
中图分类号: