基于神经网络的近红外光谱辛烷值模型的研究及应用

汽油管道调合的在线优化过程中,调合优化与控制系统对近红外光谱模型的依赖很大。光谱模型的精度及适应性直接影响整个在线调合系统。本文就如何建立适用于在线汽油调合的汽油辛烷值近红外光谱模型展开研究,提出一种采用主元分析(PCA)结合人工神经网络(ANN)的方法建立汽油近红外光谱辛烷值模型的方法;并与多元线性回归及偏最小二乘法建立的线性模型做比较。结果表明主元分析结合人工神经网络所建立的模型适应性较高、抗干扰能力强,适合汽油在线调合的现场应用。     

基于交互式逐步回归的双语教学态度预测模型

针对多元线性回归分析法预测双语教学态度误差较大的问题,通过引入变量的平方项及交叉乘积项建立拟线性回归方程,利用交互式逐步回归分析法对变量进行筛选,并以筛选后的变量建模。将调查数据分为建模样本数据和测试样本数据,测试结果表明经过变量扩维及筛选所建立的预测模型精确度有较大提高,为语言学研究提供了一种新方法,值得推扩和借鉴。     

基于回归分析方法的网络故障预测

结合回归预测模型,提出一种对网络中单个组件故障率的多项式回归预测模型.通过将多项式回归模型转化成多元线性回归模型求解参数,得到预测方程.利用检验预测回归方程和回归系数显著性,得到同实际故障统计数据拟合的效果优于原方程的新预测方程.使用一组网络组件的故障率数据对预测方程进行验证,结果表明,在根据预测误差低于2％的要求而确定的预测区间内,该方法可以为网络中单个组件故障率预测提供决策依据.     

微粒群算法优化样本集在汽油调合设计中的应用

提出PSO-v-SVR方法建立计算机辅助调合汽油辛烷值预测模型的新思路,采用微粒群算法(PSO)对原始样本集随机抽样并加以优化获得优化的训练集,再以v-支持向量回归(v-SVR)对样本进行训练和预测。用PSO-v-SVR方法对某炼油厂的汽油调合生产数据进行研究,用选出的最佳训练集构成的模型对44组预测样进行预测,实测辛烷值与预测值误差绝对值AE≥0.3的样本数仅为16,平均绝对误差MAE=0.293;明显优于直接用全部原始样本作训练集建模AE≥0.3的样本数26个, MAE=0.366,以及按文献[12]用前期80组样本作训练集建模AE≥0.3的样本数25个,MAE=0.350的预测结果。研究表明,本文的思路可以较大幅度提高模型预测准确性,在化工生产优化和软测量建模中具有推广应用价值。     

西安市PM_(10)污染预报仿真模型研究

为更好的反映西安市环境污染变化,对西安市2004年6月到2006年3月的PM10(可吸入颗粒)污染实测资料与同时期的气象资料进行了分析.首先采用一元线性同归方法,建立PM10污染与各个气象要素在不同季节的相关关系,并得到相关系数,选出对PM10污染影响显著的气象要素;然后采用主成分分析法[2]简化变量;最后用多元线性同归的方法建立回归方程,用最小二乘法[2,5]计算回归系数,并用F检验和t检验埘模型的线性性及回归系数的显著性进行检验.最终建立了西安市PM10预模型体系,计算机仿真结果给出了预报模趔命中率及误差.     

汽油管道调合过程的动态矩阵预测-专家控制

汽油管道调合是一个复杂的多变量非线性过程,具有不确定性强、滞后时间长等特点.本文针对汽油管道调合过程,设计了一种先进控制策略,它包括针对分析仪滞后特性的动态矩阵预测控制算法,以及用于计算组分汽油流量的辛烷值专家控制器两个部分,可以实现产品汽油辛烷值的闭环卡边控制,降低了汽油的调合成本.将所设计的先进控制系统应用于某炼油厂的管道汽油调合过程,仿真研究和测试结果表明这种先进控制系统具有控制精度高、鲁棒性强等优点,可以为炼油企业带米显著的经济效益.     

三次型火控回归解算模型变量筛选分析

在建立火控射击诸元回归解算模型时,由于影响火控射击诸元的因素较多,并且各因素之间存在交互作用.需利用逐步回归法对回归模型中的变量进行筛选,首先确定影响射击诸元的因素指标集,并划分因素水平.利用正交试验进行航路设计,并将数据装定到火控系统中,获得静态解算数据.利用逐步回归法在403个变量中选择14个变量通过多元线性回归得到火控回归模型.对火控模型进行偏F检验,对残差进行独立性和正态性检验.结果表明,通过逐步回归法筛选得到的模型变量建立的回归方程,回归效果较好.     

自动编码器与典型相关分析方法联合驱动的工业过程质量监测

本文将自动编码器(AE)特征提取方法和典型相关分析方法(CCA)有机结合,提出了一种联合驱动的质量监测模型及其质量相关的故障检测方法.首先,利用AE算法对输入样本进行无监督自动学习和重构,实现数据的特征提取和降维;其次,利用CCA算法实现特征与质量变量关联最大化,建立质量变量与特征变量的关系模型;根据监测模型的潜结构投影,构建T2统计量和SPE统计量及其相应控制限.将提出的方法用于分析带钢热连轧过程现场实际数据,结果表明,基于自动编码器-典型相关分析方法(AE-CCA)的质量监测方法能够准确的检测出故障,并且检测效果优于传统的核典型相关分析(KCCA)算法.     

有偏最小最大概率模型及在汽油属性预测中的应用

汽油属性的在线预测多采用无偏估计方法建立的近红外定量分析模型实现,累积预测误差的正负偏差范围难以控制,这会严重影响汽油调合优化控制的投运效果.针对这一问题,本文提出了一种采用有偏估计实现油品属性在线预测的方法.首先从最小最大概率学习机出发,提出了有偏最小最大概率回归模型.然后利用即时学习方法设计了有偏回归模型的局部建模与更新策略,用以提高回归模型的自适应能力.最后在国内某炼厂汽油调合过程中采集的工业数据上进行实验,结果表明该方法与传统方法相比具有明显优势,有利于大幅度提高调合优化控制的投运率.     

新的汽油调合辛烷值模型及其现场应用

为了对汽油调合的配方计算进行优化,本文首先针对汽油的辛烷值属性提出了基于调合效应的模型,并以此为基础提出离线配方优化的策略和现场实施方案.通过对现场数据的建模,以及与乙基模型进行对比,调合效应模型在精度上有约5%的提高.此外,本文还展示了相应的现场实施结果.结果表明优化算法可对每个批次(约5500吨汽油)的汽油调合提供4.25万元的经济效应,为该炼油装置每年提供约1275万元的经济效益.