汽油辛烷值损失优化方案的数学建模与求解

辛烷值作为汽油的商品牌号,是反映汽油燃烧性能的最重要指标。针对有效利用重油资源问题, 以辛烷值作为评价指标,使用线性插值和拉伊达准则等方法对数据集进行预处理;通过主成分分析与层次 聚类,寻求主要变量进行降维处理;通过建立基于 BP 神经网络的辛烷值损失预测模型,对辛烷值及其指标 进行预测;最后使用遗传算法迭代得到最优参数集合,并可视化展示变化轨迹。经过实验,预测模型迭代 到 2 048 次时,模型损失为 9.982 6×10-6 。从数据集筛选出硫含量不大于 5 μg/g 的样本和在取值范围内变化 的主要操作变量,通过主要操作变量的取值范围和步长的约束,找到满足辛烷值损失大于 30% 的样本,即 对应主要变量优化的操作条件。研究结果表明,采用的数学模型与优化算法可以较好地对辛烷值损失问题进 行预测与优化。