模式识别技术在炼油数据分析中的应用
为了能够研究模式识别技术在炼油数据分析中的应用,本文以催化裂化反应为例,以324个油样的34个输入变量(其中包括:原料基本物化性质数据、催化剂性质数据、装置操作数据、装置条件数据和加工量数据)和13个输出变量(催化裂化反应产物分布数据)为基础,结合模式识别技术判别分析方法:K-Nearest Neighbor Classification(KNN),建立催化裂化反应产物分布预测模型。同时,利用数学方法对模型的预测结果进行验证,结果表明:利用化学计量学模式识别技术建立的预测模型能够达到较好的预测效果,为模式识别技术在炼油数据分析中的应用提供实验支撑。
化学计量学、主成分分析、模式识别、判别分析、R语言
TP182;TE622(自动化基础理论)
2013-09-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
891-894