基于PSO-BP神经网络的加氢脱硫柴油硫含量的预测研究北大核心CSCD

针对柴油加氢脱硫生产过程中出现的工艺参数和产品质量难以精准控制的问题,提出粒子群优化(POS-BP)神经网络。基于中国石油大庆石化公司1 300 kt/a柴油加氢脱硫装置生产工艺操作台账数据,选取生产过程中的易波动工艺参数构建训练样本集合和测试样本集合,采用PSO-BP神经网络预测生产操作参数变化时精制柴油产品中硫含量的变化,将POS-BP神经网络与神经网络(BP)和遗传算法优化(GA-BP)神经网络进行横向预测效果比较。实验结果表明,BP神经网络预测的均方误差为2.66×10^(-3),GA-BP神经网络预测的均方误差为2.94×10^(-5),PSO-BP神经网络预测的均方误差为2.41×10^(-5);PSO-BP神经网络预测值与实际值最为接近,且预测结果较佳,具有较好的稳定性和泛化能力,能够精确预测生产操作参数变化时精制柴油产品中硫含量的变化。