10.3969/j.issn.1005-8168.2023.01.012
基于深度学习的催化裂化装置产品收率预测
催化裂化装置对炼厂生产效益关系重大,准确预测并优化其产品收率和生焦产率对提高装置效益,改善全厂总流程具有重要意义.通过采用深度学习中梯度树(GBDT)算法和机器学习中神经网络(ANN)算法,基于系统内多家炼厂的催化裂化装置生产数据,建立了收率预测模型,总结了针对生产数据的数据处理经验.结果表明:基于深度学习的梯度树算法在预测效率、准确性和稳定性更好,使用人工智能方法能基于大数据准确预测装置产品收率,有助于开展基于数据模型的装置操作优化和全厂总流程优化,提高全厂经济效益.
深度学习、催化裂化、人工智能、操作优化
40
U414.75;TP311.13;TP181
2023-03-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
44-51