2020年数学建模大赛华为杯B题优秀论文19.pdfVIP

中国研究生创新实践系列大赛 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 “华为杯”第十七届中国研究生 数学建模竞赛 数学建模竞赛 学 校 华中科技大学 参赛队号 20104870036 1. 韩冬 队员姓名 2. 张韵 3. 李望铭 0 中国研究生创新实践系列大赛 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 “华为杯”第十七届中国研究生 数学建模竞赛 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： 现有技术在对汽油进行催化裂化过程中，普遍降低了汽油辛烷值，故对汽油精制过程 进行有效建模，具有重要的研究价值。本文从理想到实际，逐步按需建立了降低汽油精制 过程中的辛烷值损失模型，对题目所给出的问题进行快速有效求解。 针对问题一，对285 号和313 号数据样本的原始数据进行处理。首先，结合汽油精制 工业背景对原始数据和样本数据进行分析，提出四种适用于本文的数据预处理方法：针对 采集时间异常的样本进行剔除处理；针对超出取值范围的数据进行剔除；针对异常非操作 变量数据采用依拉达准则进行剔除；针对缺失数据采用拉格朗日插值和均值插补进行填 充。最后，对预处理后的附件三中285 号和313 号原始数据样本进行计算，并将处理后的 结果分别加入到附件一中相应位置。 针对问题二，筛选出辛烷值损失模型中的主要建模变量。首先，根据变量类型不同对 操作变量和非操作变量进行差异化筛选建模：对于操作变量，建立基于随机森林的特征重 要度筛选模型；对于非操作变量，建立基于相关性分析的非操作变量特征筛选模型。然后， 对模型进行求解，从所有变量中筛选出26 个建模主要变量，其中包括16 个主要操作变量 和 10 个主要非操作变量。最后，采用信息熵理论对主要变量的代表性进行验证，采用相 关性分析法对主要变量的独立性进行验证。 针对问题三，建立辛烷值（RON ）损失预测模型。首先，分析得出辛烷值损失由“原 料辛烷值”与“产品辛烷值”经二次计算得到，直接建模预测辛烷值损失则效果不佳，考 虑进行预测目标转换，先建立产品辛烷值的预测模型，再根据结果得到相应的辛烷值损失 值。其次，分别建立基于多元线性回归、随机森林、梯度提升回归的产品辛烷值预测模型， 并对三种模型的预测效果进行分析。最后，对模型进行敏感性分析，探究代表变量与辛烷 值损失之间的内在联系。 针对问题四，对主要变量操作方案进行优化。首先，以最大化辛烷值损失降幅为目标 函数，以 16 个主要操作变量为决策变量，以产品硫含量和决策变量取值范围为约束，建 立主要变量操作方案优化的线性规划模型。其次，采用自适应和声搜索算法对模型进行求 解，并对算法关键内容进行针对性设计，求解得到辛烷值损失降幅大于30%的样本占比为 71.7% ，并对这部分样本的主要操作方案进行优化和分析。最后，进行算法对比分析，证 明了自适应和声搜索算法的有效性和优越性。 针对问题五，对模型进行可视化展示。考虑到问题特性和汽油精制过程的复杂性，拟 从三个层面进行本文模型的可视化展示：一、产品性质层；二、操作方案层；三、内在关 联层。并以133 号样本为展示对象，显示出相应的可视化图像。 最后，对问题的模型与算法中的优点和不足进行了总结。 关键词：数据挖掘；随机森林；相关分析；GBR 模型；线性规划；和声搜索算法；可视化 1