BP神经网络在乙烯裂解炉预测分析中的应用研究

利用MATLAB工具箱中的BP神经网络模型建立了乙烯裂解炉的三层神经网络模型,应用该模型分析和预测了裂解产物乙烯和丙烯的收率。预测结果与生产过程数据的比较表明,该模型能适合实际生产过程,可用于乙烯生产的预测分析和预测控制。     

基于模糊RBF神经网络的乙烯装置生产能力预测

针对传统的径向基函数(RBF)神经网络隐藏层节点的不确定和初始中心敏感性、收敛速度过慢等问题,提出一种基于模糊C均值的RBF神经网络(FCM-RBF)模型,通过模糊C均值聚类(FCM)得到各聚类中心,基于误差反传的梯度下降法训练隐藏层到输出层之间的权值,克服传统RBF模型对数据中心的敏感性,优化确定RBF神经网络隐藏层的节点数,提高网络训练速度和精度。最后将其用于乙烯装置生产能力预测中,分析预测不同技术、不同规模乙烯装置生产情况,指导乙烯生产,提高生产效率,结果验证了所提出算法的有效性和实用性。     

基于小波神经网络的循环冷却水腐蚀预测研究

利用某石化企业40个月的循环冷却水实际生产数据,基于小神经网络进行了腐蚀预测研究。经过对比分析,得出了小波神经网络预测精度最高的网络模型为6-7-1结构。在相同输入参数向量下,对含有相同隐层节点个数的小波神经网络和BP神经网络进行腐蚀预测对比,小波神经网络比BP神经网络预测精度高。     

基于层次分析的FLANN神经网络研究及应用

针对传统函数链接型神经网络(functional link artificial neural networks,FLANN)不能有效处理化工过程中强耦合、带噪声的高维数据建模问题,提出了一种基于层次分析(analytic hierarchy process, AHP)的FLANN神经网络(AHP-FLANN)。通过层析分析模型过滤输入数据中的冗余信息,提取特征分量,并把提取的特征分量作为函数链接神经网络的输入进行建模。同时利用化工行业乙烯生产数据进行了验证,并和BP神经网络及FLANN神经网络进行了对比。结果表明,AHP-FLANN神经网络在处理复杂高维数据时具有收敛速度快、建模精度高、网络稳定性强等特点,同时能够指导乙烯生产,提高能效,具有良好的实用价值。     

水泥回转窑的智能控制

文章介绍了PIT Navigator对水泥熟料生产自动化控制的实现,基于神经网络的自学习、自适应控制元件,将相关的过程数据记录下来,随后借助数据关联性进行分析,在预测和自学习过程模型(模型预测控制)中处理这些数据,并计算过程参数的实时预测,使用这些工具,可以实现更稳定的窑况,同时提高产量和降低能耗。     

煤种成浆性的人工神经网络预测模型研究

为更好地预测煤的成浆性,以大量煤种成浆浓度试验数据为基础,建立了3个输出因子的神经网络成浆浓度预测模型,模型采用L-M算法,对输入数据进行数据预处理,最后对比分析了神经网络预测模型与回归分析模型的预测结果。结果表明,以A_d、哈氏可磨性指数HGI和氧含量O为输入因子的模型预测结果平均绝对误差为0.63%,以M_(ad)、HGI和O为输入因子的模型预测结果平均绝对误差为0.60%,以M_(ad)、HGI和氧碳比O/C为输入因子的模型预测结果平均绝对误差为0.40%,3种组合的模型结果均小于回归分析模型的平均绝对误差1.15%。因此神经网络模型比回归分析模型有更好的预测能力,其中以M_(ad)、HGI和O/C为输入因子的神经网络模型预测结果最好。     

神经网络遗传算法及其在乙烯裂解过程预测中的应用研究

针对复杂神经网络模型的结构特性和ＢＰ网络梯度下降法的缺点,将遗传算法与神经网络相结合,提出了基于改进连续化遗传算法的神经网络学方法,并将其应用于大型乙烯裂解产品分布预测,获得了较好的过于模拟结果。     

循环冷却水系统腐蚀速率的预测模型

通过对某石化公司循环冷却水系统生产运行数据的分析,选取了对腐蚀速率影响较大的水质参数,借助神经网络良好的非线性能力,基于BP神经网络建立了腐蚀速率的预测模型.利用该模型对循环冷却水系统一定周期腐蚀速率的预测结果较好.     

基于BP、RBF神经网络的含蜡原油蜡沉积预测

基于冷蜡沉积实验装置所得实验数据,在分析BP、RBF神经网络结构原理的基础上,采用BP神经网络和RBF神经网络分别建立蜡沉积速率模型,计算预测蜡沉积速率,并且对比相同实验数据下两类神经网络模型对蜡沉积预测的精度。结果表明,BP神经网络和RBF神经网络预测精度均满足要求。BP神经网络预测时间要比RBF神经网络更长,而且当神经网络维数增加时预测值的精度不一定会增加;在模拟时要反复尝试隐含层节点个数和其他参数,而RBF神经网络在数据的训练过程中就已给出隐含层节点个数,学习速度更优于BP神经网络,对新数据的适应性更好,在满足精度条件下更易得到最优解。     

基于循环神经网络的油藏产量预测方法

针对常规油藏工程方法和传统油藏数值模拟方法在油田产量预测方面存在的问题,提出了基于数据驱动的油藏产量预测方法。考虑到传统全连接神经网络和标准循环神经网络在处理时间序列数据方面的缺陷,采用长短期记忆神经网络构建油藏数据驱动模型,以储层物性参数场的分布特征为基础,融合油藏单井动态生产数据,将油井产量与储层物性参数场通过深度学习算法进行训练并建立关联,无需求解庞大的偏微分方程组,提高了油藏产量预测的效率。实例应用表明,基于循环神经网络的油藏产量预测方法能够满足矿场要求,较为准确的地预测油井的产量变化,为油藏开发评价提供了重要依据。     

加氢裂化尾油做裂解原料的经济效益分析

利用PIMS模型对不同裂解原料结构、不同价格条件下的乙烯收率和装置经济效益进行分析。测算结果表明,在特定价格条件下使用加氢裂化尾油做裂解原料,乙烯收率下降,但经济效益提高,加氢裂化尾油裂解后,高附加值产物比例高是造成这种现象的主要因素。在实际工作中,应利用PIMS模型针对裂解原料价格变化情况,动态做好测算分析工作,并及时调整生产经营方案,将提高经济效益放在首位,并综合考虑经济效益和乙烯收率等技术经济指标之间的影响关系。     

Experimental and theoretical investigation of solubility and diffusion of ethylene in semicrystalline PE at elevated pressures and temperatures

The solubility and diffusivity of ethylene in semicrystalline polyethylene were experimentally measured using a magnetic suspension microbalance. The sorption measurements were carried out at temperatures up to 80°C and pressures up to 66 atm. The experimentally measured solubilities were found to decrease with increasing temperature and increased with ethylene pressure in good agreement with the predictions of the Sanchez–Lacombe lattice‐fluid model. The diffusivity of ethylene in semicrystalline polyethylene films was estimated from the reduced sorption curves using the half‐time method. The experimentally determined diffusivities were compared with theoretical values predicted by a new molecular hybrid model, which combines the characteristic features of the Pace–Datyner diffusion model with those of the Kulkarni–Stern free‐volume model. The ethylene diffusion coefficient was found to increase with temperature and/or the ethylene‐sorbed concentration. © 2002 Wiley Periodicals, Inc. J Appl Polym Sci 87: 953–966, 2003     

石油化工项目投资风险辨识

阐述了石油化工项目投资风险辨识的重要性及其风险辨识的分析方法模型，并对未来乙烯价格走势进行了预测。     

三相鼓泡淤浆床环氧乙烷合成反应器数学模拟及工程分析

建立了加压三相鼓泡淤浆床环氧乙烷合成反应器的数学模型 ,计入了催化剂颗粒在床层中沉降形成沿床高浓度分布对反应的影响以及由于惰性液相载体部分返混对传递的影响 ,进一步利用经实验验证的上述数学模型模拟不同表观气速、床高、反应器直径 (扣除传热元件截面积 )、进口乙烯摩尔分数等参数对床层中催化剂浓度随床高的分布、出口环氧乙烷摩尔分数、环氧乙烷选择率以及单位质量催化剂环氧乙烷年产量的影响 .通过模拟分析预示了工业三相床环氧乙烷反应器的合理尺寸、表观气速、环氧乙烷选择率以及时空产率 ,为工业化提供必要的设计依据     

Molecular dynamics of poly(ethylene oxide) in concentrated solution

Incoherent quasi-elastic neutron scattering measurements on aqueous poly(ethylene oxide) solutions show that as the concentration of water is increased to 1:1 mole ratio of water to ethylene oxide monomer units, the polymer chain mobility is not enhanced. Increased mobility is only observed when the water content is increased beyond this ratio. The activation energy for viscous flow shows a similar behaviour, it is unchanged as the system is diluted from the melt to the 1:1 solution and as more water is added it falls sharply. Similar studies on the system poly(ethylene oxide)/toluene show that chain mobility is enhanced and the activation energy for viscous flow falls continuously, at all concentrations. The difference is attributed to the formation of polymer-water hydrogen bonded complexes in aqueous solution. High resolution data for the aqueous systems suggest that the molecular dynamics obey the scattering law predicted for the Zimm model. In the melt the behaviour changes towards the limit given by the Rouse model.     

Kinetic modeling and optimization of the operating condition of MTO process on SAPO-34 catalyst

In this paper, a new kinetic model for methanol to olefin process (MTO) over SAPO-34 catalyst was developed based on data obtained from a micro catalytic reactor using appropriate reaction network. The reaction rate equation has been introduced with consideration of reaction mechanism and the parameters were optimized on the experimental data by genetic algorithm. Comparing the experimental and predicted data showed that the predicted values from the presented model are well fitted to the experimental data. Using this kinetic model, the effect of most important operating conditions such as temperature, pressure, inlet water to methanol molar ratio and methanol space–time on the product distribution, has been examined. Finally, the optimal operating conditions for maximum production of the ethylene and the propylene were introduced.     

Energy Evaluation of Ethanol Dehydration with Glycol Mixture as Entrainer

Extractive distillation of ethanol dehydration using glycols as entrainers is proposed. Specifically, ethanol dehydration of an azeotropic mixture in the presence of ethylene glycol + glycerol mixture is evaluated. Simulation is performed and the vapor‐liquid equilibrium of ethanol + water + ethylene glycol + glycerol is predicted with the NRTL model. Minimization of energy consumption in both extractive and regeneration columns is attempted. Optimal operating parameters of the process including glycol concentration in the solvent mixture, main feed, and entrainer feed trays, total number of theoretical trays, and heat supplied to the reboiler are determined in order to achieve a specified distillate purity of 99.9 mol % ethanol.