基于九江石化的1#和2#MIP催化裂化裝置的LIMS原料油、再生劑數(shù)據(jù)和DCS實(shí)時操作數(shù)據(jù),結(jié)合MIP工藝生產(chǎn)經(jīng)驗(yàn),利用數(shù)據(jù)挖掘技術(shù)優(yōu)化MIP工藝汽油收率。結(jié)合實(shí)際生產(chǎn)情況和預(yù)處理原則,對1#和2#裝置的數(shù)據(jù)進(jìn)行預(yù)處理。利用K-MEANS聚類、兩步聚類、系統(tǒng)聚類三種方法對1#和2#MIP裝置的原料油數(shù)據(jù)進(jìn)行了聚類分析并比較,結(jié)果表明,系統(tǒng)聚類方法分析得到的兩種聚類類別最為可靠。利用Pearson相關(guān)系數(shù)分析法并結(jié)合工藝生產(chǎn)經(jīng)驗(yàn)對原料油、再生劑和操作變量數(shù)據(jù)進(jìn)行變量篩選,分別確定了 1#和2#MIP裝置BP神經(jīng)網(wǎng)絡(luò)模型的13個輸入變量。分別以1#和2#MIP裝置全部數(shù)據(jù)和聚類分析后的類別數(shù)據(jù)建立BP模型,結(jié)果表明,以聚類分析后的類別數(shù)據(jù)建立的模型可靠性更高。以聚類分析后的類別數(shù)據(jù)建立的最佳結(jié)構(gòu)的網(wǎng)絡(luò)模型為基礎(chǔ),利用遺傳算法對汽油收率進(jìn)行了優(yōu)化,優(yōu)化結(jié)果可為實(shí)際生產(chǎn)提供指導(dǎo)。

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 前言
第2章 綜述
    2.1 催化裂化工藝進(jìn)展
    2.2 MIP工藝
    2.3 催化裂化的數(shù)學(xué)模型
    2.4 大數(shù)據(jù)
    2.5 數(shù)據(jù)挖掘
        2.5.1 數(shù)據(jù)挖掘的定義
        2.5.2 數(shù)據(jù)挖掘的特點(diǎn)
        2.5.3 數(shù)據(jù)挖掘的流程
        2.5.4 數(shù)據(jù)挖掘的技術(shù)
        2.5.5 數(shù)據(jù)挖掘的任務(wù)
        2.5.6 數(shù)據(jù)挖掘的工具
        2.5.7 數(shù)據(jù)挖掘的應(yīng)用
    2.6 本論文研究內(nèi)容
第3章 數(shù)據(jù)準(zhǔn)備與預(yù)處理
    3.1 數(shù)據(jù)采集
    3.2 產(chǎn)率計算
        3.2.1 催化裂化1#MIP裝置
        3.2.2 催化裂化2#MIP裝置
    3.3 數(shù)據(jù)預(yù)處理
    3.4 小結(jié)
第4章 聚類分類
    4.1 聚類方法簡介
        4.1.1 K-MEANS聚類
        4.1.2 兩步聚類
        4.1.3 系統(tǒng)聚類
    4.2 原料聚類結(jié)果及分析
        4.2.1 K-MEANS聚類
        4.2.2 兩步聚類
        4.2.3 系統(tǒng)聚類
    4.3 分析與討論
    4.4 小結(jié)
第5章 變量篩選
    5.1 Pearson相關(guān)系數(shù)分析
        5.1.1 Pearson相關(guān)系數(shù)原理
        5.1.2 Pearson相關(guān)系數(shù)結(jié)果
    5.2 基于工藝生產(chǎn)經(jīng)驗(yàn)的變量篩選
        5.2.1 原料油性質(zhì)
        5.2.2 再生劑性質(zhì)
        5.2.3 操作變量
        5.2.4 重要度變量篩選
    5.3 小結(jié)
第6章 神經(jīng)網(wǎng)絡(luò)模型建立和汽油收率優(yōu)化
    6.1 BP神經(jīng)網(wǎng)絡(luò)
    6.2 BP神經(jīng)網(wǎng)絡(luò)模型
        6.2.1 1#MIP裝置反應(yīng)-再生系統(tǒng)
        6.2.2 2#MIP裝置反應(yīng)-再生系統(tǒng)
    6.3 遺傳算法
    6.4 遺傳算法優(yōu)化汽油收率
    6.5 小結(jié)
第7章 結(jié)論
參考文獻(xiàn)
致謝



本文編號：3757778