2020年数学建模大赛华为杯B题优秀论文11.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 贵州大学 参赛队号 20106570027 1.李滨 队员姓名 2.唐华康 3.柳波海 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： 催化裂化汽油的精制处理是我国绝大部分成品汽油脱硫保辛的关键步骤，使 用硫含量过高的汽油会导致环境污染加剧，现有脱硫技术普遍会降低汽油中的辛 烷值，辛烷值的降低会严重影响汽油的燃烧性能。本文针对汽油精制处理过程中 操作变量之间高度强耦合和非线性问题，提出了利用关键操作变量预测辛烷值的 机器学习模型，优化了实际化工过程需要的操作条件，分析了该装置对脱硫的性 能，挖掘出了题中装置在减少辛烷值损失功能上的潜力，大大的提高了该产品的 生态和经济效益。 针对问题一，对数据进行处理；① 对附件三前40 行和后40 行数据求平均 值，分别代替附件一 285 号、313 号样本；② 对附件一中残缺数据较多、全部 为空值的数据进行删除；③ 根据附件四中操作变量的取值范围，对附件一中不 同时刻的操作变量求最大最小值，通过最大最小值初步比较范围，筛选出不在范 围的操作变量，再具体到不在范围的数据，剔除与之对应的样本；④ 根据拉依 达准则（3σ准则）去除非操作变量异常值。 针对问题二，为问题三中的建模选取主要变量，从而达到数据维度降低的目 的，避免“维度灾难”，提高模型的精度和降低模型建立的难度。选择产品中的辛 烷值作为选取问题三建模中的主要变量的关键因素。通过对产品中辛烷值与其他 变量的皮尔逊相关性分析和对产品中硫含量与其他变量的皮尔逊相关性分析对 367 个变量进行初步筛选。最后，通过BP 神经网络的预测模型进行综合分析， 得到了26 个主要变量。 针对问题三，通过分析问题和数据，我们得到的结论是应该预测的是辛烷值 而非辛烷值损失。然后利用 XGBoost 、LightGBM 、随机森林、支持向量机等算 法进行了模型建立和横向对比，最终发现SVM 对于该预测任务误差最低、效果 最好。最后我们通过利用实验的方法验证了“预测辛烷值比预测辛烷值损失更加 合理“这个假设。 针对问题四，寻找操作变量的优化方案，实现辛烷值损失降幅最大化。以辛 烷值损失降幅最大为优化目标，主要变量中 15 个操作变量为决策变量，产品含 硫量不大于5 μg/g 为其中一个约束条件，建立一个优化模型。通过粒子群算法、 量子粒子群算法和差分量子粒子群优化算法对优化模型进行求解，从301 个样本 数据中筛选出辛烷值损失降幅大于等于 30%的样本。随着算法的改良，从 301 个样本数据中筛选出辛烷值损失降幅大于等于30%的样本数量也在增长，其中差 分量子粒子群算法的优化效果最为显著。 针对问题五，我们首先分析了第四个问题所得到的优化方案，然后列出了所 有优化之后的操作变量，提出了一个操作变量优化方案调整策略，最后通过前面 建立的模型验证了这个优化方案的可行性与可操作性。得到的结论是：该汽油精 1 制装置的“保辛烷”功能还没有完全开发出来，但是“脱硫”能力已经到达了极限。 应用我们的操作变量优化方案能够最大限度的挖掘装置的“保辛烷脱硫”能力。 关键词： 准则；维度灾难；皮尔逊相关性分析；XGBoost ；LightGBM ；随机 3σ 森林；支持向量机；粒子群算法；量子粒子群算法；差分量子粒子群优化算法； “保辛烷脱硫”能力