針對原油這類結(jié)構(gòu)組成復雜、差異性大、可燃的復雜混合體系,選取各地區(qū)共計101種原油的恩氏蒸餾溫度、20℃密度、20℃粘度作為輸入變量,建立原油閃點預測模型。采用主成分分析法對輸入變量進行降維,除去恩氏蒸餾系列數(shù)據(jù)中的信息冗余,分別采用多元線性回歸（MLR）、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)三種方法建模,并對模型的預測結(jié)果進行對比,RBF神經(jīng)網(wǎng)絡(luò)模型的預測準確度與穩(wěn)定性均為最優(yōu),絕對誤差期望為2.94℃,相對誤差期望為3.45%,BP神經(jīng)網(wǎng)絡(luò)模型的準確性優(yōu)于多元線性回歸模型,穩(wěn)定性不如MLR模型。 

【文章來源】：天然氣化工（C1化學與化工）. 2020,45(02)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

MLR閃點模型外部測試集驗證結(jié)果

BP-ANN網(wǎng)絡(luò)模型由輸入層、隱藏層、輸出層構(gòu)成，隱藏層可以根據(jù)需要定為單層或者多層，本次模擬為單層隱藏層；輸入層包含4個神經(jīng)元即4個輸入變量，隱含層包含11個神經(jīng)元，輸出層包含1個神經(jīng)元即閃點預測值，如圖2。對于第1層即輸入層第i個神經(jīng)元Ai2為神經(jīng)元的輸入，將以Wij1-2為連接權(quán)值通過加權(quán)得到Zj1作為隱含層的輸入值。

同樣將102種原油隨機劃分為兩組，第I組92種原油用作訓練集，第II組10種原油為外部測試集，為比較各模型優(yōu)劣，BP-ANN、RBF-ANN均沿用多元線性回歸（MLR）的隨機分組結(jié)果，以測試集運行結(jié)果檢驗模型預測能力。原油閃點預測運行結(jié)果見表6，以實驗值為橫坐標，BP-ANN預測值為縱坐標作圖，結(jié)果如圖3所示。預測結(jié)果顯示平均絕對誤差為3.44℃，平均相對誤差為4.27%，均方誤差MSE=13.37。圖4 均方誤差曲線

【參考文獻】：
期刊論文
[1]易燃液體閃點預測模型綜述[J]. 景冬蓮,俞英,商杰,黃海燕.  天然氣化工（C1化學與化工）. 2019(02)
[2]基于QSPR方法的脂肪醇化合物閃點預測[J]. 李冀,吳超.  中國安全科學學報. 2012(06)
[3]基于人工神經(jīng)網(wǎng)絡(luò)的有機物閃點預測[J]. 馮李立,丁斌.  吉林化工學院學報. 2009(04)
[4]電性拓撲狀態(tài)指數(shù)預測烴類物質(zhì)閃點[J]. 潘勇,蔣軍成.  石油學報(石油加工). 2007(06)
[5]人工神經(jīng)網(wǎng)絡(luò)基團鍵貢獻法預測烷烴閃點[J]. 潘勇,蔣軍成,王志榮.  化學工程. 2007(04)
[6]基于人工神經(jīng)網(wǎng)絡(luò)的脂肪醇閃點預測[J]. 潘勇,蔣軍成.  石油化工高等學校學報. 2007(01)



本文編號：3491713