| 基于BP神经网络和多元线性回归的辛烷值预测 |
| |
| 引用本文： | 许美贤,郑琰,周若兰,张如意. 基于BP神经网络和多元线性回归的辛烷值预测[J]. 南京信息工程大学学报, 2023, 15(4): 379-392 |
| |
| 作者姓名： | 许美贤 郑琰 周若兰 张如意 |
| |
| 作者单位： | 南京林业大学 汽车与交通工程学院, 南京, 210037 |
| |
| 基金项目： | 国家自然科学基金(71701099,7150 1090);江苏省高等学校自然科学研究项目(17KJB580008) |
| |
| 摘 要： | 为降低硫、烯烃含量及辛烷值损失，保证汽油清洁化生产，基于S Zorb装置运行积累的数据，首先利用Lasso算法初步筛选建模变量，并基于BP神经网络计算指标因子贡献度，进一步筛选出15个主要变量用于建立辛烷值损失预测模型；其次对比分析4种模型，得出BP神经网络预测精度更优，更适合作为辛烷值损失预测模型，并经过10折交叉验证得到均方误差(MSE)均值为0.027 193,R2均值为0.904 87,验证了该模型的可靠性；最后在控制油品硫质量分数不大于5μg/g的前提下，结合多元线性回归对主要变量进行优化调控.结果表明，需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好，能按照一定比例对主要变量进行正反向调控.本文还可视化展示了优化过程中辛烷值和硫含量的变化轨迹.
|
| 关 键 词： | BP神经网络 多元线性回归 Lasso算法 辛烷值损失预测 优化调控 |
| 收稿时间： | 2022-04-26 |
Octane number prediction based on BP neural network and multiple linear regression |
| |
| XU Meixian,ZHENG Yan,ZHOU Ruolan,ZHANG Ruyi. Octane number prediction based on BP neural network and multiple linear regression[J]. Journal of Nanjing University of Information Science & Technology, 2023, 15(4): 379-392 |
| |
| Authors: | XU Meixian ZHENG Yan ZHOU Ruolan ZHANG Ruyi |
| |
| Affiliation: | College of Automobile and Traffic Engineering, Nanjing Forestry University, Nanjing 210037 |
| |
| Abstract: | |
| |
| Keywords: | BP neural network|multiple linear regression|Lasso algorithm|octane number loss prediction|optimized regulation |
|
| 点击此处可从《南京信息工程大学学报》浏览原始摘要信息 |
|
点击此处可从《南京信息工程大学学报》下载全文 |
