逐级特征降维与智能寻优的辛烷值预测模型

<正>在催化裂化汽油精制过程中，降低硫含量保持辛烷值，对提高汽油的动力经济性有着重要意义。但这一过程中涉及的操作变量较多，难以调控。本文借助相关性分析，稀疏PCA和神经网络对操作变量进行逐级降维，建立辛烷值损失预测模型，并采用遗传算法进行决策寻优。训练数据集上调控与预测结果充分表明了所建模型的合理性。由汽油燃烧产生的汽车尾气严重污染了大气环境，这对汽油清洁化提出了越来越高的要求。汽油清洁化的重点是在尽最大可能保持汽油中辛烷值的基础上降低其硫、烯烃含量^1]。由于含硫和高硫原油占绝大多数，为满足汽油质量标准必须对其催化裂化获得的汽油进行精制处理。辛烷值是表示汽车发动机燃料(汽油)的抗爆性能好坏的一项重要指标。