基于随机森林算法预测减压馏分油中噻吩硫化物的组成分布

摘要：

为实现直馏减压馏分油(VGO)中噻吩硫化物组成分布的快速分析,收集160个具有代表性的VGO样本,测定其常规物性及其含有噻吩硫化物的组成信息,构造160组数据集,并将其随机划分为训练集和测试集.以VGO的常规物性为输入特征,采用随机森林回归算法(RFR)分别构建预测VGO中苯并噻吩、二苯并噻吩、萘苯并噻吩以及总噻吩质量分数的模型.利用训练集样本的袋外估计,进行模型超参数的寻优.结果 表明,模型对VGO中3种噻吩硫化物和总噻吩质量分数的预测标准偏差(RMSEP)分别为0.268％、0.131％、0.111％、0.385％,说明模型的预测值和实测值接近,具有较高的准确度和较强的泛化能力.

关键词：减压馏分、噻吩硫化物、组成分布、预测模型、随机森林算法

所属期刊栏目：36

分类号：TE622(石油、天然气加工工业)

资助基金：国家重点研发计划项目2017YFB0306501

在线出版日期：2020-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：995-1002