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

摘要：

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％,R2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.

关键词：人工智能、催化裂化、预测模型、GBDT算法

所属期刊栏目：35

分类号：TE65(石油、天然气加工工业)

资助基金：上海市自然科学基金项目18ZR1409000;过程装备与控制工程四川省高校重点实验室开放基金项目GK201818

在线出版日期：2019-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：807-817