基于ANN方法预测柴油调和的凝点和冷滤点.pdfVIP

维普资讯 石油与天蓝气化I c一 l， 基于ANN方法预测柴油调和的凝点和冷滤点 X／ 丁 6五 Jl ，． 李为民 邬国英 王洪元 郭志岳 赵开鹏 匠6 b‘／ 一 (江苏石油化工学院) (南京炼油厂研究院 毛占衅 摘 要 根据南京炼油厂所提供的柴油调和凝点和冷滤点基础数据。用人工神经网络 ( N)的反 ／ 向传播BP算法对凝点和冷滤点进行预测。提出了适宜的人工神经网络拓扑结构，讨论了BP算法中学 习速率、动量系数厦过拟舍现象对网络的影响，通过实验数据的检验，证明了用州N方法建立的柴油调 和模型能有效地给出预测信息。研究表明，州N方法比常用的调和系数模型、凝点播数模型、凝点换算 因子模型等更能准确地关联和预报调和柴油的凝点和冷滤点。 主题词 工丝旦丝 垒． 生 墅堕 A ‘弦J 柴油调和就是将各种柴油组分以一定的比例混 2 结果与讨论 合，得到各种符合规格标准的柴油产品。为了避免 “油 2．1 输入参数殛输出节点的选取 品调合过头”，减少重调的次数，少用价格比较高的组 柴油调和数据为南京炼油厂 1997年内所取的12 分，提高调合操作的灵括性，必须应用良好的预测方法 个批次油样，96套数据，由常二线、常三线、催化柴油 来预测柴油调和的凝点和玲滤点。目前应用较多的是 和精制柴油4个组分油来调和。每个组分油的凝点和 用统计回归数学方法建立的柴油调和模型，如调和系 冷滤点都是影响柴油低温流动性的重要指标，为了全 数模型…、凝点指数模型L、凝点换算因子模型L等， 面反映凝点和玲滤点对调和柴油低温流动性的影响。 但这些模型的预测精度较差，不能完全满足现场调和 又考虑到神经元网络便于处理多输入信息的特点，选 的要求。 取4个组分的凝点、玲滤点和重量组成共 12个参数作 近年来．人工神经网络(州N)技术在化工中的应 为输入参数，并将其输入参数标准归一化。输出节点 用 日益发展，各种类型的人工神经网络及算法层出不 为凝点和冷滤点 2个节点。取其中76个样本组成训 穷。本文利用前向型网络及反向传播算法建立柴油调 练集，∞个样本组成预测集。 和模型，应用南京炼油厂的柴油调和基础数据，通过反 2．2 豫含层节点的确定 向传播算法BP(Backn0pa ∞)进行样本离线学习， 隐含节点数的选择是个十分复杂的问题，隐含节 较准确地预测了柴油调和的凝点和玲滤点，与统计回 点数与问题的要求、输入输出节点的多少有关。事实 归数学模型相比，用州N方法建立的柴油调和模型预 上隐含节点数太少，网络可能训练不出来，或网络不强 测精度比较高，在柴油调和生产中取得了令人满意的