基于回归算法的渣油加氢装置反应温度预测及系统实现

目前对渣油加氢催化剂生命周期预测的技术较少,研究可方便探知催化剂活性状态的解决方案,将有效助力渣油加氢装置的催化剂更换管理。根据影响催化剂活性的多种因素,机器学习建模过程中选择了装置运行数据的运行时间、原料及产品性质等直接变量,并通过计算添加了金属沉积量、总加工负荷等组合变量作为特征,进行算法筛选调整参数,拟合装置运行周期过程的升温规律。训练后模型对测试周期反应温度预测的平均绝对百分比误差0.51%,进而可以通过反应温度的经验阈值得到催化剂预期寿命。考虑到生产数据与实验数据可能存在的分布差异,根据研究成果设计实现的软件系统操作灵活,为专业工程技术人员提供了便捷有效的辅助研究工具。

资料为PDF文档格式.

本文档关键词:算法,回归,装置,预测,温度