原油闪点预测模型的研究

针对原油这类结构组成复杂、差异性大、可燃的复杂混合体系,选取各地区共计101种原油的恩氏蒸馏温度、20℃密度、20℃粘度作为输入变量,建立原油闪点预测模型。采用主成分分析法对输入变量进行降维,除去恩氏蒸馏系列数据中的信息冗余,分别采用多元线性回归(MLR)、BP神经网络、RBF神经网络三种方法建模,并对模型的预测结果进行对比,RBF神经网络模型的预测准确度与稳定性均为最优,绝对误差期望为2.94℃,相对误差期望为3.45%,BP神经网络模型的准确性优于多元线性回归模型,稳定性不如MLR模型。     

易燃液体闪点预测模型综述

闪点(FP)是易燃液体及其分类标准的重要划分依据,同时也是衡量可燃液体火灾危险性的重要参数。闪点的确定将影响危险化学品的分类、储存、运输、使用、防火及危险品公示等各方面。为弥补实验测定的不足,借助模型预测来计算闪点具有重要的理论意义和实用价值。本文综述了易燃液体闪点的估算方法,主要分为三类:经验关联计算,基团贡献法计算和基于分子结构的模型预测,并讨论了三类方法各自的优势和不足。经验关联计算形式上简单,并且易于从实验数据中构建,一般与沸点相关联,使用数学回归或人工神经网络(ANN)方法获得。基团贡献法(GCM)是假设分子的性质是构成分子的所有基团贡献的函数,通过分子官能团贡献对闪点建立线性或非线性模型。基于分子结构的定量结构-性质关系,(QSPR)模型的建立与精度关键在于分子描述符的计算与筛选、模型建立的不同方法。近年来,鉴于各模型的优势与不足,将QSPR与其他预测模型和先进技术结合起来研究闪点与分子结构的相关性,是闪点预测的研究方向和热点,也为易燃液体混合物闪点的预测模型打下基础。