石脑油裂解过程一次反应选择性系数的估计

本论文提出了一种基于模糊匹配的石脑油裂解过程kumar模型一次反应选择性系数估计方法。首先根据石脑油裂解实验数据建立存有一定数目样本点的标准数据库,标准样本点的一次反应选择性系数是由基于kumar模型的裂解炉模型计算的;然后定义了模糊匹配的隶属度函数,以表征待估物料与标准物料之间的相似程度,通过匹配找出隶属度较大的几个标准样本,并据此估算待估物料的一次反应选择性系数。以某乙烯装置的生产工况为实例进行验证,计算结果町以较好地符合生产实际,证实了该估计方法的有效性。     

Kumar模型一次选择性系数的随机调整算法

Kumar模型是反映石脑油裂解过程的分子动力学模型,其一次反应选择性系数随原料油品的不同而改变,对模型的精度有很大影响。由于裂解过程复杂,很难找到实用的规律对它进行预测,往往需要通过化工实验来对其进行测定。文章设计了一种随机搜索算法,利用油品特性和生产数据,对Kumar模型的一次反应选择性进行调整。文中对算法的设计进行了详细描述,仿真结果表明,由这个算法可以得到比较理想的结果。     

主成分分析法在估算石脑油裂解参数中的应用

在利用Kumar分子反应动力学模型模拟石脑油裂解过程中,一次反应选择性系数是最重要的参数,它受裂解石脑油性质、操作条件等多种因素的影响。本文提出利用主成分分析法将多种影响因素转化为几个不相关的综合因素-主成分,同时保留尽可能多的原始信息。实例验证显示,利用主成分估算一次反应选择性系数更加方便、准确,有利于提高石脑油裂解模拟的精度。     

石脑油在SRT—Ⅳ型工业炉清洁辐射管中裂解的数学模型

为了更准确模拟石脑油工业裂解实际生产情况，提出了基于实际装置的炉膛烟气温度分布的二次函数形式和反应管路的局部压降计算思想，根据Kumar提出了的分子反应动力学模型，关联质量，热量和动量衡算关系式，建立了SRT－IV型工业裂解炉辐射段的汪 管工艺裂解数学模型，模拟计算结果表明，裂解炉管出口各项指标与工厂现场标定数据吻合较好。     

石脑油在SRT-IV型工业炉清洁辐射管中裂解的数学模拟

为了更准确模拟石脑油工业裂解实际生产情况 ,提出基于实际装置的炉膛烟气温度分布的二次函数形式和反应管路的局部压降计算思想。根据Kumar提出的分子反应动力学模型 ,关联质量、热量和动量衡算关系式 ,建立了SRT IV型工业裂解炉辐射段的清洁管工艺裂解数学模型。模拟计算结果表明 ,裂解炉管出口各项指标与工厂现场标定数据吻合较好     

谈石油化工炼制过程的裂解反应

裂解是一种更深度的裂化。石油裂解的化学过程比较复杂，生成的裂解气是成分复杂的混合气体，除主要产品乙烯外，还有丙烯、异丁烯及甲烷、乙烷、丁烷、炔烃、硫化氢和碳的氧化物等。裂解气经净化和分离，就可以得到所需纯度的乙烯、丙烯等基本有机化工原料。目前，石油裂解已成为生产乙烯的主要方法。     

一种权系数两级自调整的融合定位精度提高方法

在分布式传感器网络节点定位技术中,使用数据融合方法以提高探测系统的检测与定位精度正成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合定位算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。该算法采用两级自适应调整得到最优加权因子,首先利用线性最小均方差（LMSE）算法得到权系数的初始值,然后利用训练节点和递归最小二乘（RLS）算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真,仿真结果表明：相比单节点定位,提出的融合算法的定位精度有约1—2个数量级的提高。     

一种基于常规物性的石脑油组成的预测方法

乙烯工业与国民经济和人民生活息息相关,针对石脑油裂解制乙烯过程的模拟与优化成为研究热点。为了实现基于自由基的裂解动力学模型的石脑油裂解模拟,需要准确的石脑油详细烃组成数据。本文以石脑油详细烃组成预测系统研究为题,开展基于石脑油常规物性数据预测石脑油详细烃组成的研究工作,所完成的工作具有重要理论意义和应用价值。通过对不同原料产地的8套石脑油详细烃数据的分析,对物性相近的组分进行集总,最终确定了50种预测烃类。改进了利用PIONA值对组成进行族校正和碳数校正的方法。通过对6种不同地区石脑油组成的进一步研究,发现部分同分异构的组成所占比重具有一定规律,优化计算得到组成校正中部分同分异构组成间的分配权重,使组成预测精度进一步提高。     

烯烃催化裂解反应动力学的研究

根据脉冲微反条件下C5～C8烯烃裂解产物分布,建立烯烃裂解反应网络,通过参数估计方法确定反应网络动力学常数、反应活化能和指前因子.结果表明,随着碳数的增加,C5～C8烯烃单分子裂解反应速率加快.反应温度600℃时C5～C8正构烯烃裂解生成丙烯,其反应速率常数的比值为1:8.18:38.48:27.98,最快生成丙烯的是1-庚烯.反应温度相同,1-烯烃的主要裂解反应速率是碳数相同的2-甲基-2-烯烃的1.1～1.6倍.C5烯烃裂解为单、双分子裂化并存的反应体系,但双分子裂解反应速率远大于单分子裂解,双分子反应占优势.     

基于在线拉曼光谱仪预测石脑油组成的方法研究

研究石脑油的烃组成预测问题.针对石脑油组分极其复杂和冗余特点,传统的检测方法求解方法复杂、测定时间过长等难题,为了提高准确度,提出一种基于在线拉曼光谱技术结合主成分粒子群算法的预测方法.首先获得石脑油样品的拉曼谱图,利用主成分分析对数据进行降维处理,消除数据间的冗余信息,然后采用粒子群算法对主成分分析后的数据进行预测,得到各个组成成分在石脑油中的质量分数,并将样品预测值与真实值的相关性进行分析.实验结果表明:相对于其他预测方法,该方法准确性高,现场适应性强,测定时间短,是一种高效、实时性好的石脑油组成预测方法.     

基于遗传神经网络的相似重复记录检测方法

为了有效解决数据清洗领域中相似重复记录的检测问题,提出了一种基于遗传神经网络的相似重复记录检测方法.该方法计算两条记录对应字段间的相似度,构建基于神经网络的检测模型,利用遗传算法对网络模型的权值进行优化,使用遗传神经网络组合多个字段上的相似度来检测相似重复记录.在不同领域数据集上的测试结果表明,该方法能够提高相似重复记录检测的准确率和检测精度.     

基于伸缩窗口和等级调整的SNM改进方法

对基本邻近排序算法(basic sorted-neighborhood method, SNM)进行分析, 指出其不足, 提出了SNM算法的一种改进方法。采用变步长伸缩窗口, 动态改变检测窗口大小, 避免漏配问题, 并减少不必要的比较。采用动态调整等级法, 根据记录相似度调整字段等级, 并通过等级法将字段等级转换为权重, 解决了人为赋予固定权重主观性强、不准确的问题。通过对实际系统中的数据进行测试, 验证了方法的有效性和优越性。同时, 这两种方法适用于大多数基于排序—合并的相似重复记录检测方法, 提高了相应方法的效率和准确度。     

基于进化神经网络的BLDCM调速控制

针对标准BP算法存在全局搜索能力弱和易陷入局部极小点等缺点,将遗传算法与BP神经网络相结合,构造了一种新的进化神经网络GA-BP算法,并将该算法应用于无刷直流电机调速系统的控制,仿真结果表明,与传统的PI控制系统相比,该算法得出的电机控制曲线几乎无超调,与基于BP算法的速度控制系统相比较,具有收敛速度快、不易陷入局部极小的优点。     

基于遗传算法的数据挖掘技术在图书馆中的应用研究

图书馆作为信息的传统提供者,在长期的服务过程中积累了丰富的数据信息资源。将先进的数据挖掘技术引入图书馆行业,可以从现有数据资源中发掘有价值的信息,从而更好地优化馆藏、满足读者的需求和为图书管理人员提供决策支持。本文首先介绍数据挖掘和关联规则挖掘的概念,接着将遗传算法应用于关联规则挖掘中,最后通过实例挖掘图书馆读者和图书之间的关联规则。     

电梯群控系统智能优化调度方法的研究

提出一种能够适应各种交通流模式的电梯群控智能优化调度方法．运用模糊神经网络对电梯的状态变量进行数据融合。融合出影响调度决策的电梯特征参数、通过小生境遗传算法对特征参数进行多目标优化分析，完成最优调度．仿真实验表明，该方法能够在各种交通流模式下进行相应的合理调度。     

基于增强学习算法的PID参数调整方法研究

本文首先介绍了增强学习的基本原理，然后分析了利用基于增强学习算法进行PID参数调节的步骤，并给出了具体的实现流程，最后通过仿真验证了增强学习算法的性能。     

一种基于投影的特征选择方法

以轴承故障诊断为应用背景,基于低维投影能够反映原高维数据某些特征的思想,提出了一种基于投影的特征选择方法。该方法利用遗传算法找到最能反映样本分类特性的投影方向,并利用该方向剔除与投影值无关的特征指标,克服了传统特征选择方法在高维空间中计算复杂的缺点,有效避免了"维数灾难"。仿真结果表明,该方法能够在不降低投影值类别特性的情况下,有效降低样本数据维数,完成特征选择,提高了分类效率及准确率。     

数据挖掘技术在医疗大数据中的应用研究

医疗行业的发展扩大了医疗数据信息种类与数量,这将直接影响医院医疗水平与服务水平和医院核心竞争力。本文以医疗大数据为研究对象,提出了基于遗传算法的K-means 改进聚类方法,并以医疗费用数据为例展开分析,为提高医疗服务质量提供有效数据信息。