本文主要研究内容
作者杨帆,周敏,戴超男,曹军（2019）在《基于人工智能算法的催化裂化装置汽油收率预测模型的构建与分析》一文中研究指出：基于某石化企业的LIMS(Laboratory information management system)及DCS(Distributed control system)系统中的工业生产数据,结合工业经验中已知的影响催化裂化产品收率的重要因素,通过分析监控指标与实际汽油收率的相关性,筛选出与汽油收率的正负相关性较高的分析指标。在此基础上,基于梯度提升决策树GBDT算法构建了催化裂化汽油收率的预测模型,并预测了相应的汽油产率。结果表明:由GBDT算法构建的汽油收率预测模型预测结果的准确率为98.9%,R~2系数为0.236,平均绝对误差为0.531%;模型预测结果与实际汽油产率相比,误差率小于1%,表明构建的模型能精确预测催化裂化装置中汽油等产品收率,有助于在实际生产中优化催化裂化装置的操作条件,从而进一步提升催化裂化装置的经济性能。
Abstract
ji yu mou dan hua qi ye de LIMS(Laboratory information management system)ji DCS(Distributed control system)ji tong zhong de gong ye sheng chan shu ju ,jie ge gong ye jing yan zhong yi zhi de ying xiang cui hua lie hua chan pin shou lv de chong yao yin su ,tong guo fen xi jian kong zhi biao yu shi ji qi you shou lv de xiang guan xing ,shai shua chu yu qi you shou lv de zheng fu xiang guan xing jiao gao de fen xi zhi biao 。zai ci ji chu shang ,ji yu ti du di sheng jue ce shu GBDTsuan fa gou jian le cui hua lie hua qi you shou lv de yu ce mo xing ,bing yu ce le xiang ying de qi you chan lv 。jie guo biao ming :you GBDTsuan fa gou jian de qi you shou lv yu ce mo xing yu ce jie guo de zhun que lv wei 98.9%,R~2ji shu wei 0.236,ping jun jue dui wu cha wei 0.531%;mo xing yu ce jie guo yu shi ji qi you chan lv xiang bi ,wu cha lv xiao yu 1%,biao ming gou jian de mo xing neng jing que yu ce cui hua lie hua zhuang zhi zhong qi you deng chan pin shou lv ,you zhu yu zai shi ji sheng chan zhong you hua cui hua lie hua zhuang zhi de cao zuo tiao jian ,cong er jin yi bu di sheng cui hua lie hua zhuang zhi de jing ji xing neng 。
论文参考文献
论文详细介绍
论文作者分别是来自石油学报(石油加工)的杨帆,周敏,戴超男,曹军，发表于刊物石油学报(石油加工)2019年04期论文，是一篇关于人工智能论文,催化裂化论文,预测模型论文,算法论文,石油学报(石油加工)2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自石油学报(石油加工)2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：人工智能论文; 催化裂化论文; 预测模型论文; 算法论文; 石油学报(石油加工)2019年04期论文;