基于XGBoost和神经网络拟合预测模型的辛烷值损失的预测

汽油清洁化重点是降低汽油中的硫、烯烃含量,同时尽量保持其辛烷值.降低辛烷值(RON)损失是国内车用汽油质量升级的主要目标之一.本文针对某石化企业的催化裂化汽油精制脱硫装置运行收集的数据进行处理,探求数据样本中变量与变量本身、其他自变量及目标变量等之间的相关性,对特征变量进行多阶段降维,进而通过XGBoost和LSTM循...     

基于迭代自组织数据分析算法的城市地下物流节点选择

地下物流系统(Underground Logistics System——ULS)是指通过建立类似地铁的地下管道,来满足城市内部或城市之间运输货物需求的网络系统.随着快递行业的飞速发展,地下物流供应网络系统可以很好的解决现阶段物流的两个难题,第一频繁的交通拥堵,第二高昂的物流成本.本文通过迭代自组织数据分析算法(ISODATA)对A市某区域的数据收集情况,构建该区域物流节点选择模型,借助matlab编程进行求解物流网络节点群.通过定量的方法,从交通拥挤指数、一级节点转运率、节点服务覆盖率、货运量指数、建设及运营成本等进行深入研究与探讨节点选择的合理性和有效性.为后续地下通道网络设计和进一步的优化模型提供一定的指导作用.