基于模型参数实时更新的FCC产品产率预测混合建模

针对流化催化裂化(FCC)集总反应动力学模型参数难以适应反应过程中工况和原料变化等情况,基于代理模型所获取的模拟数据建立预测FCC产品产率的混合模型。该模型利用机器学习实时更新集总动力学模型参数,避免了纯数据驱动模型可解释性较差问题,弥补了集总动力学模型参数适配难的不足。结果表明,该混合模型具有较高的预测精度,其预测主要产品柴油、汽油和液化气的产率平均绝对百分比误差(MAPE)均小于2%。此外,在FCC原料性质波动、装置中关键参数检测信号含有噪声时,混合模型依旧保持较好的预测性能,其预测主要产品柴油、汽油和液化气的产率MAPE仍保持小于2%。由此说明所建立的混合模型具有较好的泛化性与鲁棒性,可为工业装置设计及操作优化提供理论指导。

资料为PDF文档格式.

本文档关键词:实时,参数,混合,模型,更新