多產異構烷烴的催化裂化工藝技術（MIP）是催化裂化的家族工藝,這種工藝的反應器為兩段反應器,這種設計使得油品質量得以改善。此工藝可以最大化生產異構烷烴,在降低催化汽油烯烴的同時保證了汽油辛烷值基本不發(fā)生變化。本文建立了MIP裝置汽油產率預測模型并利用改進的遺傳算法進行汽油產率優(yōu)化。汽油產率預測模型基于廣義回歸神經網絡（GRNN）和Adaboost算法,包含16個輸入變量和1個輸出變量。輸入變量反映了原料油的性質、催化劑性質和操作條件,輸出變量為汽油產率,汽油產率預測的均方誤差為0.44。本文利用改進的遺傳算法搜尋在原料性質和加工量固定的條件下的最優(yōu)汽油產率及其對應的四個操作變量的數(shù)值。四個操作變量分別為：回煉比、劑油比、第二段提升管反應器出口溫度和原料預熱溫度。本文建立的預測模型的預測精度較高,優(yōu)化結果符合工藝經驗。本文建立的汽油產率預測模型的預測能力以及遺傳算法的優(yōu)化結果證實了神經網絡和智能優(yōu)化算法在催化裂化裝置產品預測、優(yōu)化中的適用性,也為進一步的工業(yè)應用提供了有益的經驗。 

【文章來源】：華東理工大學上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

摻渣比變化趨勢圖

回練比變化趨勢圖

劑油比變化趨勢圖

【參考文獻】：
期刊論文
[1]基于灰色關聯(lián)度的道路貨運影響因素分析[J]. 李敏,劉瑞娟,郭萌潔.  交通財會. 2016(01)
[2]GA輔助BP神經網絡預測催化裂化裝置汽油產率[J]. 張忠洋,李澤欽,李宇龍,李國慶.  石油煉制與化工. 2014(07)
[3]催化裂化催化劑技術的應用與發(fā)展[J]. 徐亮,李永洲,李營.  化工管理. 2014(14)
[4]GRNN與BPNN的函數(shù)逼近性能對比研究[J]. 丁碩,常曉恒,巫慶輝.  現(xiàn)代電子技術. 2014(07)
[5]基于GABP算法的化工設備設計人工時預測[J]. 戴健偉,吉華,楊崗,樊剛,王彬.  計算機集成制造系統(tǒng). 2013(07)
[6]MIP-DCR工藝技術的開發(fā)與工業(yè)應用[J]. 龔劍洪,許友好,蔡智,謝恪謙.  石油煉制與化工. 2013(03)
[7]催化裂化催化劑的發(fā)展歷程及研究進展[J]. 張春蘭,陳淑芬,張遠欣.  石油化工應用. 2013(02)
[8]AdaBoost算法研究進展與展望[J]. 曹瑩,苗啟廣,劉家辰,高琳.  自動化學報. 2013(06)
[9]智能優(yōu)化算法的比較與改進[J]. 王夢蘭.  中國水運. 2012(12)
[10]催化裂化預提升技術概況[J]. 劉斯.  中國石油和化工標準與質量. 2012(14)

博士論文
[1]智能優(yōu)化方法及其應用研究[D]. 鐘一文.浙江大學 2005
[2]用遺傳/模擬退火算法進行具有多流股換熱器的換熱網絡綜合[D]. 魏關鋒.大連理工大學 2003

碩士論文
[1]種群規(guī)模對遺傳算法性能影響的研究[D]. 劉曉霞.華北電力大學（河北） 2010
[2]遺傳算法在函數(shù)優(yōu)化中的應用研究[D]. 金芬.蘇州大學 2008
[3]BP神經網絡算法改進及應用研究[D]. 黃麗.重慶師范大學 2008
[4]模擬退火算法的原理及算法在優(yōu)化問題上的應用[D]. 龐峰.吉林大學 2006
[5]模擬退火算法的研究及其應用[D]. 馮玉蓉.昆明理工大學 2005
[6]廣義回歸神經網絡和遺傳算法研究及其在化工過程建模中的應用[D]. 郝鑫.浙江大學 2004



本文編號：2980978