基于LightGBM的催化重整装置产品预测及操作优化相关性分析

发布时间：2023-04-02 07:16

　　基于Aspen HYSYS软件建立了与某炼油厂有限实际生产数据相吻合的连续催化重整装置的机理模型。考虑多种生产可能性,扩展数据范围得到完整的装置产品预测数据集;与常用的BP神经网络作对比,采用训练速度快、预测精度高、适合非线性过程建模的LightGBM决策树模型,以该催化重整装置的4个反应器的温度和循环氢流量为特征变量,分别以戊烷、二甲苯、C₆、重整汽油、氢气的流量和氢气纯度为目标建立了6个单目标数据驱动产品预测模型。通过对特征变量和目标之间的相关性分析,进行10折交叉验证,得到了特性变量的重要度排序,从而针对不同生产目标找出影响最大的操作变量。结果表明,使用LightGBM建立模型的预测准确度比BP神经网络的预测准确度有大幅度提升。

【文章页数】：11 页

【文章目录】：
1 基于Aspen HYSYS的催化重整装置模型及装置产品预测数据集的构建
    1.1 基于Aspen HYSYS的催化重整装置建模
    1.2 催化重整装置产品预测数据集的构建
2 基于LightGBM的催化重整装置数据驱动建模
    2.1 基于LightGBM的模型训练及参数设置
    2.2 基于LightGBM对催化重整装置进行产品预测建模
    2.3 基于LightGBM和BP神经网络模型的产品预测结果
3 基于LightGBM模型中特征变量与目标变量的相关性分析
    3.1 基于LightGBM模型相关性分析原理
    3.2 基于LightGBM模型的操作优化相关性分析
4 结 论



本文编号：3778802