基于XGBoost和神经网络拟合预测模型的辛烷值损失的预测

作     者：朱怡欣 ZHU Yixin

作者机构：上海工程技术大学管理学院上海201620 

出 版 物：《智能计算机与应用》 (Intelligent Computer and Applications)

年 卷 期：2021年第11卷第3期

页      面：185-189页

学科分类：12[管理学] 081702[工学-化学工艺] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0817[工学-化学工程与技术] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：辛烷值损失 XGBoost LSTM 

摘      要：汽油清洁化重点是降低汽油中的硫、烯烃含量,同时尽量保持其辛烷值。降低辛烷值(RON)损失是国内车用汽油质量升级的主要目标之一。本文针对某石化企业的催化裂化汽油精制脱硫装置运行收集的数据进行处理,探求数据样本中变量与变量本身、其他自变量及目标变量等之间的相关性,对特征变量进行多阶段降维,进而通过XGBoost和LSTM循环神经网络对汽油辛烷值损失进行建模,通过对预测结果的统计表明该方法在企业辛烷值损失预测中具有较好的表现,为国内车用汽油技术升级提供一定的指导作用。