2020年数学建模大赛华为杯B题优秀论文1.pdfVIP

中国研究生创新实践系列大赛 “华为杯”第十七届中国研究生 数学建模竞赛 学 校 北京交通大学 参赛队号 20100040057 1. 赵飞飞 队员姓名 2. 卢亚菡 3. 童 磊 中国研究生创新实践系列大赛 “华为杯”第十七届中国研究生 数学建模竞赛 题 目 降低汽油精制过程中的辛烷值损失模型 摘 要： 在汽油燃烧的尾气排放对大气环境污染有重要影响的今天，汽油清洁化技术十分关 键。我国目前大规模采用的精制汽油的工艺为S zorb 技术，该方法能够在保证较低的辛 烷值损耗的前提下生产在10ppm 以下的低硫汽油，辛烷值每降低1 个单位，相当于损失 约150 元/ 吨。因此，如果能够通过相关工艺技术的调整或改进，降低辛烷值的损失，则 可以为整个催化裂化重油化工工业乃至国民经济的发展带来巨大的效益。 对于问题1，将285 号和313 号样本数据采集记录并主要针对非操作变量进行预处 理，采取处理如下方式：变量值缺失值取为前后一段时间内平均；若超出变量范围则取 为对应的最小值或最大值；利用3 σ准则将异常数据剔除。两样本筛出不符合变量范围的 数据分别为120 和290 个，剔除3 σ区间外数据为0 和65 个。 对于问题2 ，基于数据预处理的366 个变量（包括12 个性质变量及354 个操作变 量），根据其属性首先利用基于EM 算法的GMM 聚类对354 个操作变量进行聚类，将 其分为30 类，并通过t –SNE 降维可视化技术对聚类结果进行可视化；其次对 12 维性质 变量及30 类中每一聚类簇中根据信息增益理论计算其关于辛烷值损失的信息增益值，在 信息增益计算结果排序的基础上结合斯皮尔曼相关系数，对42 维变量进行筛选，剔除相 关性较大及信息增益值较低的变量，最终筛选出28 维具有代表性和独立性的变量 （包括 3 维性质变量及25 维操作变量） 对于问题3，根据前问筛选出来的28 个具有代表性及独立性的主要变量，建立了基 于慢特征分析的即时学习（SFA-JITL ）辛烷值损失预测框架。该模型首先对28 个主要 变量进行了慢特征分析筛选出7 维慢特征，其次搭建即时学习框架对样本序列依次输入 完成每个样本值辛烷值损失的预测，并在加入更新样本的过程中利用局部加权慢特征方 法对慢特征权重不断调整，该模型适用于与工艺流程数据更新的预测建模。此外，SFA- JITL 辛烷值预测模型结果与真实值对比并于其他模型相比较验证了模型的有效性。 对于问题4 ，根据问题3 的辛烷值损失预测值，总结325 个样本的辛烷值减损方案。 在保证产品硫含量处于汽油标准范围的前提下，挑出降幅大于30% 的样本共56 个，并详 细分析所对应的主要变量经过优化后的操作条件，采取求均值的方法，获得最大可能适 用所有样本的操作条件，进而为石化企业的长期、高效运营提供科学稳健的理论支撑。 对于问题5，根据问题4 中的优化方案，对133 号样本的各主要操作变量进行逐步的 迭代，最终迭代49 步到达最终的优化方案。经过模型的分析预测，得到了整个迭代过程 中产品的辛烷值、辛烷值损失和硫含量值数据，对整个迭代优化过程中对应的成品汽油 的辛烷值和硫含量的变化轨迹进行可视化。 关键词：辛烷值损失，GMM 聚类，信息增益特征筛选，SFA-JITL 框架，操作变量优化 1 1. 问题重述 1.1 问题背景 石油炼制工业是国民经济的重要支柱产业，其中，催化裂化工艺是石化工业中最重 要的工艺之一，