對(duì)催化裂化反應(yīng)再生系統(tǒng)建立模型,是實(shí)現(xiàn)該生產(chǎn)過(guò)程的操作條件優(yōu)化和增大產(chǎn)物收率的關(guān)鍵問(wèn)題。當(dāng)前石化行業(yè)生產(chǎn)過(guò)程中各種生產(chǎn)數(shù)據(jù)都能從裝置的數(shù)據(jù)庫(kù)平臺(tái)實(shí)時(shí)采集,使得建立一個(gè)基于數(shù)據(jù)驅(qū)動(dòng)的反應(yīng)再生系統(tǒng)的智能模型成為當(dāng)前研究熱點(diǎn)問(wèn)題之一。針對(duì)該問(wèn)題,本文基于催化裂化裝置的歷史生產(chǎn)數(shù)據(jù)分別建立了汽油產(chǎn)率關(guān)于操作條件的反應(yīng)再生過(guò)程的BP神經(jīng)網(wǎng)絡(luò)（BPNN）和支持向量回歸機(jī)（SVR）模型。對(duì)模型進(jìn)行預(yù)測(cè)對(duì)比和分析,說(shuō)明了本文所提方法的有效性和可行性。本文主要研究工作內(nèi)容如下:首先,本文研究了催化裂化反應(yīng)再生工藝,選取了催化裂化反應(yīng)再生過(guò)程模型的輸入輸出變量。本文選取汽油產(chǎn)率為輸出變量,同時(shí)選取提升管第一反應(yīng)溫度、提升管第二反應(yīng)區(qū)溫度、劑油比、反應(yīng)壓力和空速這些操作條件為輸入變量。分析了優(yōu)化模型參數(shù)采用的人工蜂群算法（ABC）、粒子群算法（PSO）、蟻群算法（ACO）和遺傳算法（GA）的基本原理。其次,建立BPNN的催化裂化反應(yīng)再生系統(tǒng)的模型,以汽油產(chǎn)率為輸出變量,操作條件為輸入變量。利用ABC、ACO、PSO、GA分別優(yōu)化BPNN的初始權(quán)值和閾值,結(jié)果證明經(jīng)過(guò)優(yōu)化的BPNN模型精確度大大提高。最后,利... 

【文章來(lái)源】：中國(guó)計(jì)量大學(xué)浙江省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

催化裂化反應(yīng)再生裝置圖

中國(guó)計(jì)量大學(xué)碩士學(xué)位論文實(shí)際情況,并能保證網(wǎng)絡(luò)精度[69]。所以本文建立 BP 神經(jīng)網(wǎng)絡(luò)入層、隱含層、輸出層。由三層的 BP 神經(jīng)網(wǎng)絡(luò)來(lái)完成 5 個(gè)輸射。BP 神經(jīng)網(wǎng)絡(luò)的輸入變量為提升管一段反應(yīng)區(qū)溫度、提升、反應(yīng)壓力、空速、劑油比，輸出變量為汽油產(chǎn)率，所以隱含搭建的是一個(gè) 5-11-1 的 BP 神經(jīng)網(wǎng)絡(luò)如圖 3.2 所示。

圖 3.5ABC-BPNN 模型汽油產(chǎn)率預(yù)測(cè)值與實(shí)際值對(duì)比圖開(kāi)始輸入訓(xùn)練樣本，訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)歸一化處理初始化BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值信號(hào)前向傳播，輸出BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出計(jì)算網(wǎng)絡(luò)預(yù)測(cè)輸出和期望輸出誤差誤差反向傳播，修正權(quán)值和閾值權(quán)使網(wǎng)絡(luò)預(yù)測(cè)值逼近期望值達(dá)到最大迭代次數(shù)？訓(xùn)練過(guò)程結(jié)束，保存最優(yōu)權(quán)值和閾值是否初始化參數(shù)構(gòu)建解空間達(dá)到最大迭代次數(shù)？輸出最優(yōu)解，得到BP神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)值閾值否更新信息素迭代次數(shù)加1，清空路徑記錄表是

【參考文獻(xiàn)】：
期刊論文
[1]多產(chǎn)丙烯重油催化裂化9集總動(dòng)力學(xué)模型的研究[J]. 侯凱軍,歐陽(yáng)福生,高永福,李荻,王智峰,陽(yáng)斯拯.  石化技術(shù)與應(yīng)用. 2017(05)
[2]重油催化裂化14集總動(dòng)力學(xué)模型研究[J]. 孫世源,孟凡東,閆鴻飛,張亞西.  河南化工. 2017(07)
[3]大數(shù)據(jù)分析的神經(jīng)網(wǎng)絡(luò)方法[J]. 章毅,郭泉,王建勇.  工程科學(xué)與技術(shù). 2017(01)
[4]數(shù)據(jù)挖掘在化學(xué)化工中的研究進(jìn)展[J]. 余凡,范寶安,黃鐵垓.  應(yīng)用化工. 2017(01)
[5]第七章 石油化工-精細(xì)化工[J]. 馬紅,黃義爭(zhēng),徐杰.  工業(yè)催化. 2016(04)
[6]過(guò)程工業(yè)大數(shù)據(jù)建模研究展望[J]. 劉強(qiáng),秦泗釗.  自動(dòng)化學(xué)報(bào). 2016(02)
[7]從近兩年歐美煉油專(zhuān)業(yè)會(huì)議看世界煉油技術(shù)新進(jìn)展[J]. 李雪靜,喬明.  國(guó)際石油經(jīng)濟(jì). 2015(05)
[8]催化裂化(裂解)集總反應(yīng)動(dòng)力學(xué)模型研究進(jìn)展[J]. 熊凱,盧春喜.  石油學(xué)報(bào)(石油加工). 2015(02)
[9]群智能算法的理論及應(yīng)用綜述[J]. 王水花,張煜東,吉根林.  南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版). 2014(04)
[10]GA輔助BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)催化裂化裝置汽油產(chǎn)率[J]. 張忠洋,李澤欽,李宇龍,李國(guó)慶.  石油煉制與化工. 2014(07)

博士論文
[1]MIP-CGP反應(yīng)過(guò)程數(shù)學(xué)模型研究[D]. 段良偉.華東理工大學(xué) 2012
[2]催化裂化過(guò)程建模與應(yīng)用研究[D]. 栗偉.浙江大學(xué) 2010

碩士論文
[1]基于改進(jìn)狼群算法的小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè)[D]. 齊璐.西南交通大學(xué) 2017
[2]重油催化裂化十二集總動(dòng)力學(xué)模型研究[D]. 張建華.華東理工大學(xué) 2017
[3]不同核支持向量回歸機(jī)在模型預(yù)測(cè)控制中的應(yīng)用研究[D]. 劉念慈.重慶郵電大學(xué) 2016
[4]數(shù)據(jù)挖掘技術(shù)在催化裂化MIP工藝產(chǎn)品分布優(yōu)化中的應(yīng)用研究[D]. 方偉剛.華東理工大學(xué) 2016
[5]支持向量機(jī)優(yōu)化模型及其應(yīng)用[D]. 顏薇.湖南師范大學(xué) 2016
[6]工業(yè)催化裂化裝置反再系統(tǒng)建模研究[D]. 洪建旭.華南理工大學(xué) 2014
[7]基于數(shù)據(jù)驅(qū)動(dòng)的控制方法在建模過(guò)程中的不適定問(wèn)題的研究[D]. 于一發(fā).遼寧科技大學(xué) 2014
[8]催化裂化反應(yīng)—再生系統(tǒng)的模型參數(shù)辨識(shí)與先進(jìn)控制研究[D]. 寧忠蘭.北京化工大學(xué) 2013
[9]重油催化裂化裝置用能分析及系統(tǒng)優(yōu)化[D]. 任會(huì)姝.中國(guó)石油大學(xué)（華東） 2013
[10]中石化洛陽(yáng)分公司兩套不同結(jié)構(gòu)催化裂化裝置的工藝技術(shù)分析及優(yōu)化[D]. 劉靜翔.天津大學(xué) 2012



本文編號(hào)：3613924