基于Stacking和NSGA-Ⅱ的降低辛烷值损失预测优化模型研究

针对化工过程数据关联和机理建模存在的问题,提出建立降低汽油精制过程中的辛烷值损失的预测优化模型。首先对某石化企业催化裂化汽油精制脱硫装置的大量历史数据进行了数据预处理,其次采用了BP神经网络、支持向量机、随机森林、AdaBoost和梯度提升树5种机器学习算法对产品辛烷值(RON)进行了预测,并采用Stacking集成学习算法提高模型的准确度。在机器学习的基础上,采用NSGA-Ⅱ算法对产品辛烷值(RON)和产品硫含量进行了多目标优化,得到了主要操作变量的Pareto最优解,并针对133号样本进行模型可视化展示。基于上述模型,化工企业可以针对不同的需求选择相应的操作方案。

资料为PDF文档格式.

本文档关键词:模型,预测,优化,降低,损失