基于支持向量机算法的芳烃抽提装置生产优化模型研究

将适合小样本数据建模的支持向量机算法（包括支持向量分类算法SVC和支持向量回归算法SCR）用于某石化公司芳烃抽提装置优化建模,建立了装置优化目标与有关工艺参数间的定性、定量模型。结果表明,抽余油中芳烃含量SVC模型的分类和预测正确率皆为100%;SVR模型对抽余油中芳烃含量的拟合与预报的均方根误差（RMSE）分别为0.072和0.060;抽余油中芳烃含量的SVR模型对128个训练集及32个测试集拟合和预测的R2和q2分别为0.820和0.867。应用所建优化模型,制定了装置生产优化方案,优化后抽余油中芳烃质量分数从0.82%降至0.74%,下降了9.8%。     

3600煤气发生炉系统优化设计

分析了传统 36 0 0造气工艺流程存在的缺点 ,针对邯钢集团化肥公司的实际情况并配合 12 2 0工程的顺利实施 ,决定采用设备紧凑、发气量大、工艺设备较先进的 36 0 0煤气发生炉系统。在该系统的设计中 ,除了采用新型高效旋风除尘器和联合热管锅炉回收器外 ,还充分吸收了近年来我国造气技术涌现出来的先进技术装备     

基于支持向量机回归的麻醉药毒性的QSPR研究

采用支持向量机回归(SVR)方法研究了39个麻醉药毒性的定量构效关系,基于留一法交叉验证的结果,模型的相关系数为0.970。结果表明,所建SVR模型的精度高于逆传播人工神经网络(BPANN)、多元线性回归(MLR)和偏最小二乘法(PLS)所得的结果。     

双水相萃取技术及其应用

双水相萃取技术作为一项新的分离技术日益受到重视，它与传统的萃取方法相比有独特的优点。本文综述了双水相萃取技术基本原理、特点、工艺流程及其若干应用，并对双水相萃取技术存在的问题和发展方向作了扼要论述。     

Φ3600煤气发生炉系统优化设计

介绍了Φ 36 0 0煤气发生炉系统的现状及新上装置的流程特点和主要新技术应用 ,对Φ 36 0 0煤气发生炉系统挖潜节能降耗工作进行了有益的探索     

DMOS优化软件及其在化工过程优化中的应用

DMOS软件综合运用了模式识别、支持向量机、人工神经网络、遗传算法、线性和非线性回归等多种数据挖掘技术,能有效解决复杂工业过程系统优化中普遍存在的多因子、高噪声、非线性、非高斯分布和非均匀分布的难题。将DMOS工业优化软件成功地应用于柴油加氢精制装置及丙烯腈反应装置的生产优化。根据装置DCS系统采集的生产数据,研究了装置优化操作的主要工艺参数,采用模式识别方法建立了装置生产优化操作的定性模型,并最终建立了优化目标的数学模型。     

数据挖掘技术在化工优化中的应用

简要介绍了数据挖掘基本概念和发展现状，综述了数据挖掘的任务、数据挖掘的常用方法和技术，重点介绍了数据挖掘在化学工业优化中的应用，对数据挖掘在化学工业优化应用中面临的挑战进行了总结，并对其发展趋势进行了预测。     

φ3 600煤气发生炉系统优化设计

分析了传统Φ3600造气工艺流程存在的缺点，针对邯钢集团化肥公司的实际情况并配合1220工程的顺利实施，决定采有设备紧凑、发气量大、工艺设备较先进的Φ3600煤气发生炉系统。在该系统的设计中，除了采用新型高效旋风除尘器和联合热管锅炉回收器外，还充分吸收了近年来我国造气技术涌现出来的先进技术装备。     

基于数据挖掘的合成氨过程优化和监测系统应用研究

根据多年从事过程工业优化经验,开发了一种基于数据挖掘技术的、综合性和图形化的、适用于合成氨过程优化和监测的系统软件。该软件集成了模式识别、人工智能、统计学习理论、数据库技术和领域知识等常用的过程工业优化方法。优化软件具有多方法融合、参数选择、自动建模、模型验证、模型更新、多模型构建以及在线优化监测等新颖的特点,能有效解决合成氨过程优化问题。优化软件分为离线版和在线版两个版本,分别用于离线优化建模和在线优化监测。该优化软件已在云南云维集团有限公司合成氨过程生产优化中取得了满意的效果,有望在化工过程优化和监测中得到广泛应用。     

支持向量回归算法用于烷基苯若干热物性定量预测

烷基苯精馏分离是石油化工重芳烃加工的基本方法,各种烷基苯的热物性智能数据库对重芳烃加工过程优化控制有实用价值。本文研究了烷基苯系化合物若干热物性与化合物结构间的关系。采用新近提出的、特别适合于小样本多变量训练集的支持向量回归（support vector regression,SVR）算法总结了烷基苯系化合物已知物性的实验数据,建立了预报烷基苯系化合物若干物性的数学模型。47个烷基苯系化合物正常沸点、沸点汽化热、临界温度、临界压力和临界体积的SVR留一法（leaving—one—out,LOO）预测的平均相对误差值（mean relative error,MRE）分别为0.370％,1.655％。0.791％．2.069％．0.933％。结果表明,支持向量回归算法预测结果优于人工神经网络（ANN）和偏最小二乘（PLS）算法。