基于M-QSPR的含甲苯汽油辛烷值理论预测研究

从分子结构角度出发,针对含甲苯汽油辛烷值展开了混合物构效关系(M-QSPR)研究。应用SiRMS(Simplex Representation of Molecular Structure)描述符对含甲苯汽油混合体系的结构信息进行表征,运用遗传算法-偏最小二乘(GA-PLS)组合算法对SiRMS描述符进行筛选和建模,得到了相应的研究法辛烷值(RON)预测模型和马达法辛烷值(MON)预测模型型。随后对模型进行验证、应用域分析和机理解释。结果表明,两个预测模型均具有较优的稳定性和预测能力。两个预测模型对其测试集的预测复相关系数分别为0.999和0.987,均方根误差分别为0.714和1.248。此外本研究揭示了影响含甲苯汽油辛烷值的主要结构因素及其影响规律。本文研究方法的提出为工程上提供了一种根据分子结构预测含甲苯汽油辛烷值的新方法。     

基于原子类型电拓扑状态指数的QSPR模型预测链烷烃辛烷值

为了研究化合物结构与其辛烷值之间的相关性,以原子类型电拓扑状态指数作为描述符表征分子的结构特征,从40个样本中选取30种链烷烃作为训练集,对研究法辛烷值选取8个作为测试集,对马达法辛烷值选取7个作为预测集,利用SPSS软件进行多元线性回归,建立了辛烷值的定量结构-性质关系。得到的研究法辛烷值和马达法辛烷值预测模型复相关系数分别为0.965、0.955和均方根误差分别为5.4338、4.9404,并对模型进行内部和外部验证。结果表明,该模型具有较好的稳定性及预测能力。     

影响烷烃辛烷值高低的结构因素

 摘要： 利用量子化学方法计算了40种不同结构C5~C10烷烃分子的电荷分布、前线轨道能量、偶极矩、表面积、体积等反映烃类分子微观特征的电子结构参数和几何结构参数,同时计算了这些烷烃不同类型的拓扑指数。采用遗传函数算法(GFA)对这些烷烃的马达法辛烷值与结构参数之间的关系进行了回归分析,建立了物理意义明确的烷烃辛烷值与其结构参数之间的定量关系方程。该方程揭示了烷烃分子前线轨道间隙和分子表面积是影响其辛烷值高低的主要结构因素。分子前线轨道间隙越低,分子表面积越小,烷烃的辛烷值越高。依据这2个结构参数,利用构建的关系方程,可以对烷烃的辛烷值进行较为准确的预测。方程相关系数平方为0.882,交叉检验相关系数平方为0.848,表明方程具有较强的预测能力。     

一种用拓扑指数和基团组成预测烷烃辛烷值的方法

提出了一种采用基团组成和拓扑指数分别描述分子的化学组成和结构信息，进而预测烷烃辛烷值的方法。分子中甲基（—ＣＨ３）、亚甲基（—ＣＨ２—）和次甲基（ＣＨ）的数目作为表征分子化学组成的参量，拓扑指数Ｗ，Ｊ，１χ，２χｐ和中心拓扑指数ＣＤ作为表征分子化学结构的参量。为更突出地表达分子间的结构差异，定义了对比拓扑指数，即烷烃分子的拓扑指数与同碳数正构烷烃的拓扑指数之比。应用该方法分别对烷烃的马达法辛烷值ＭＯＮ和研究法辛烷值ＲＯＮ进行关联，获得了相关性良好的线性关系式（相关系数分别为０．９８９１和０．９８６５）。结果表明，该方法有助于理解烷烃抗爆性能的结构－性能关系。     

基于图卷积神经网络汽油单体烃辛烷值的预测

基于图卷积神经网络的神经指纹方法,引入了池化操作,建立了改进的神经指纹方法;进而采用改进的神经指纹法建立了汽油单体烃辛烷值的预测模型,作为对分子级汽油辛烷值调合模型的支撑。通过用单体烃沸点和临界温度数据集对预测模型进行验证,发现池化操作的引入对神经指纹法的预测能力有明显提升,改进神经指纹法模型可自动选取对辛烷值有利和不利的结构特征,双键结构对单体烃马达法辛烷值的影响比芳环结构的影响更大。该预测模型对研究法辛烷值和马达法辛烷值的预测达到了同等水平,取得了良好的预测效果。     

烷基化的发明

正异丁烷/丁烯烷基化是炼油工业中生产高辛烷值汽油组分异构烷烃的重要工艺,其产物辛烷值高(如三甲基戊烷的研究法辛烷值高达100～109),敏感性小(研究法辛烷值与马达法辛烷值之差),而且具有理想的挥发性和清洁燃烧性能,是车用汽油和航空汽油的理想调和成分。基于烷基化在历史上的重大意义,《展望化学》在"不列颠之战:催化剂代表胜利"中对烷基化作了生     

基于红外光谱-神经网络预测汽油辛烷值

根据汽油组分辛烷值与红外光谱峰面积分析数据,用人工神经网络（ANN）的反向传播（BP）算法建立了汽油组分辛烷值神经网络预测模型,检验表明,ANN方法能准确地关联红外光谱分析数据与汽油组分辛烷值的关系。马达法辛烷值与研究法辛烷值预测平均误差分别为0．192,0．178。     

用于FCC汽油辛烷值预测的非线性数学模型

依据汽油正构烷烃、异构烷烃、烯烃、环烷烃和芳烃(PIONA)的烃组成数据,将催化裂化(FCC)汽油单体烃组成分为37组,利用BP神经网络算法和支持向量机回归(SVR)分别建立了FCC汽油研究法辛烷值对37个变量的非线性数学模型。由MATLAB软件编写程序,利用Levenberg-Marquardt优化算法训练BP神经网络。支持向量机回归模型采用粒子群算法优化支持向量机参数及核函数参数,并采取交叉验证方法防止机器学习的欠学习和过拟合问题。计算结果表明:两种模型都能够较好地反映汽油单体烃组成与辛烷值之间的非线性关系;BP神经网络模型对辛烷值的预测性能好于支持向量机回归模型;增加样本数量,两种方法的预测准确性皆变好;针对40个样本的学习结果,两种模型预测的相对误差绝对值的平均值分别为0.148 7和0.167 4。     

基于M-QSPR的乙醇-汽油参比燃料混合物辛烷值的理论预测

从分子结构角度出发,针对乙醇 汽油参比燃料混合物的辛烷值开展混合物的定量结构 性质相关性（M QSPR）研究,建立相应的理论预测模型。采用原子碎片描述符对乙醇 汽油参比燃料混合体系的结构特征进行表征,应用遗传 多元线性回归算法从上述描述符中优化筛选出与其辛烷值最为密切相关的特征结构描述符,建立相应的两参数线性预测模型。模型复相关系数为0987,预测平均绝对误差为1478。模型内外部验证及稳定性分析结果表明,所建模型具有较强的稳健性及外部预测能力。对模型进行机理解释,揭示了影响乙醇 汽油参比燃料混合物辛烷值的特征结构因素及其影响规律。该研究为工程上提供了一种根据分子结构预测乙醇 汽油参比燃料混合物辛烷值的新方法。     

链烷烃临界常数与分子结构拓扑相关性研究

根据拓扑学原理 ,运用图论方法 ,用计算机对链烷烃的分子结构信息进行分析处理 ,定义了一个表征分子结构信息的内聚力指数F ,并和拓扑指数W、P一道 ,应用于微观结构与物性关系的研究之中 ,与链烷烃的临界常数进行关联拟合 ,给出了相应的定量关系式。利用所得公式能够直接由分子结构信息预测链烷烃的临界常数。     

Evaluation of accuracy of literature gasoline blending models to predict octane numbers of gasoline blends

The gasoline blending prediction models available in the open literature: Linear method, Ethyl method, Stewart method, Zahed method, and Twu method were tested on 25 gasoline blends prepared from 14 components used by LUKOIL Neftohim Burgas (LNB) refinery to produce commercial gasoline grades. The performed tests with these models showed prediction accuracy outside of the acceptable ASTM D 2699 and ASTM D 2700 reproducibility limits. However, the LNB-modified regression model of Zahed method turned out to predict RON and MON of studied gasoline blends with accuracy equivalent to the reproducibility of the standard methods for measurement of RON and MON.     

Modeling of the Properties of Gasoline and Petroleum Fractions Using a Robust Scheme

Gasoline is one of the most recognized products of the petroleum industry due to its use as a liquid fuel worldwide. As a result, it is of great importance to accurately determine the properties of gasoline, so as to evaluate its quality. In this article, an effective mathematical and predictive strategy, namely least squares support vector machines (LSSVM) is applied to predict some gasoline properties, viz. specific gravity (SG), motor octane number (MON), research octane number (RON), and Reid vapor pressure (RVP). A comprehensive error analysis is also undertaken to compare the values predicted from the model with actual data which enables one to evaluate the performance of the model developed in this study. The results indicate that the model developed has reasonable accuracy and prediction capability. The correlation indices, R², are 0.990, 0.933, 0.955, and 0.920 for SG, MON, RON, and RVP, respectively.     

润滑油基础油分子表征方法及其黏度性质预测

采用气相色谱/场电离飞行时间质谱(GC/FI TOF MS)对润滑油基础油进行分子表征。依据精确相对分子质量和质谱图平均丰度分别进行定性和定量分析,可简单快速地获得基础油中链烷烃及一环～六环环烷烃的碳数分布结果。基于基础油分子组成数据,采用Kennard-Stone方法将样品集分为校正集和验证集,依据偏最小二乘方法(PLS)建立预测黏度和黏度指数的模型,模型验正集及预测集预测值的标准偏差分别小于2.0 mm²/s和2.0,相关系数均大于0.99。所建模型对基础油黏度及黏度指数的预测适用性好、准确度高,具有一定的实用价值。     

Real-time PCR-based detection and quantification of genetically modified maize in processed feeds commercialised in Malaysia

The present study which dealt mainly with processed feeds and some maize samples sold commercially in Malaysia evaluated the implementation of a real-time PCR cycling system for singleplex screening of eight target sequences (lectin, hmg, adh1, p35S, NK603, GA21, MON810 and MON863) and quantification of four genetically modified (GM) maize events (NK603, GA21, MON810 and MON863). The effects of using proprietary glass magnetic particles to bind DNA to their surface were also investigated in terms of DNA quantity, purity, integrity, quality and its overall effect on DNA amplification. GM material was present in 26.2% feeds and 65% maize samples. All GM samples contained MON810 followed by NK603 (47.5%), GA21 (25%) and MON863 (2.5%). Single-event and multiple-events were identified in the GM samples with 50% of the GM samples containing multiple-events. The present study which represents a fast and reliable methodology would provide an overview of the presence and levels of GMOs in feeds and maize in Malaysia.     

Loop-mediated isothermal amplification targeting insect resistant and herbicide tolerant transgenes: Monitoring for GM contamination in supply chain

Efficient detection strategies for genetically modified (GM) crops are required to effectively address some of the biosafety and post-release monitoring issues, as global adoption of GM crops has been unprecedently increased. Herbicide tolerance and insecticide resistance are the major traits in commercialized GM food crops. Visual as well as real-time detection system based on loop-mediated isothermal amplification (LAMP) targeting lepidopteron insect resistant cry1Ac, cry2Ab2 and glyphosate tolerant cp4-epsps genes has been reported. Specificity of LAMP assays were confirmed using fourteen GM events of four crops, namely, corn (MON810, NK603, Bt11, Bt176, MON89034), cotton (MON531, MON15985, GFM-cry1A, Event1, MLS9124, MON1445, MON15985 × MON88913), eggplant (EE1) and soybean (GTS40-3-2). Real-time LAMP was found sensitive enough to detect as low as 2 copies for cry1Ac and 4 copies for cry2Ab2 and cp4-epsps within 35 min using a calibration curve. The limit of detection (LOD) of visual LAMP assays was down to 0.01% (4 copies of GM content) which is lower than conventional PCR (detecting 40–400 copies depending on target). LAMP assays are faster and more user-friendly than conventional PCR and could be efficiently utilized for monitoring of GM contamination in food and feed supply chain, with high specificity and sensitivity. The developed assays, when combined with a fast DNA extraction method, will facilitate on-site detection to check the GM status of a sample or product at ports of entry and in farmers' fields.     

基于结构导向集总的延迟焦化绝热反应过程模型研究

基于结构导向集总方法,设计了包含烃类结构和杂原子结构的21个结构单元,构建了代表延迟焦化原料分子组成的55类共2 791种典型分子的结构向量。基于延迟焦化反应机理,制定了包含碳链断裂、脱氢、开环、双烯合成、脱硫化氢、脱二氧化碳、脱一氧化碳和加氢脱氮等10类38条反应规则,用于描述延迟焦化过程的反应网络。结合相应的反应速率常数和反应热数据,建立了反应动力学微分方程组,通过改进的Runge-Kutta法求解,构建起基于结构导向集总的延迟焦化绝热反应动力学模型,预测延迟焦化过程的典型分子组成和产物分布。延迟焦化绝热反应器模型的预测精度优于未计入反应热效应的等温反应器模型的预测精度。采用延迟焦化结构导向集总绝热反应器模型对不同延迟焦化渣油在不同焦化反应温度和循环比条件下的延迟焦化反应过程进行模拟,焦化产物中气体、汽油、柴油、蜡油和焦炭的产率预测误差均不超过1.7百分点,焦化产物中典型分子含量的预测误差均不超过2.0百分点。     

基于SVM-BN的天然气长输管道燃气轮机故障预警方法研究

燃气轮机是天然气长输管道的核心动力设备,由于其结构复杂、零部件众多、工作负荷大,在运行过程中常发生故障并触发自保护停机,影响了主管线输气的稳定性。为此,针对天然气干线管道燃气轮机及其附属设备的关键部件、关键故障,利用SCADA系统的在线数据,对故障数据进行分析,建立基于支持向量机的在线异常预测模型和基于贝叶斯网络的故障诊断模型;然后通过引入偏离度建立了上述两种模型相结合的故障预警模型,并在天然气干线管道燃气轮机机组上进行了验证。结果表明:(1)所建立的基于支持向量机的预测模型具有较强的泛化能力,能对压力状态做出较为准确的预测,但是随着预测时间的变长,预测精度也会不断降低;(2)通过关注故障诊断模型中各底事件的发生概率,能够为现场维护人员提供优先检查的依据,进而减少设备非计划外停机事故的发生;(3)在燃气轮机润滑油系统实际发生的故障场景进行的应用与验证结果表明,该模型可以准确地对系统故障提前预测并定位,方法可行、有效,有较高的应用价值。     

基于汽油分子组成的辛烷值模型开发

建立了一种基于Ghosh RON模型的改进了分子组成的预测汽油辛烷值的模型,能够通过调合组分分子组成和调合比例预测调合汽油产品的研究法辛烷值.该改进模型以汽油馏分的488种烃分子及含氧化合物为基础,并综合考虑了总芳烃与总烷烃、总烯烃、总环烷烃、含氧化合物4类组分之间的相互作用对辛烷值的影响.采用改进模型对直馏石脑油、重...