基于BP神经网络和多元线性回归的辛烷值预测

来源：南京信息工程大学学报·自然科学版杂志2023年第4期北京时间：

作者：许美贤，郑琰，周若兰，张如意

单位：许美贤,南京林业大学 汽车与交通工程学院, 南京, 210037,郑琰,南京林业大学 汽车与交通工程学院, 南京, 210037,yzheng_x@163.com周若兰,南京林业大学 汽车与交通工程学院, 南京, 210037,张如意,南京林业大学 汽车与交通工程学院, 南京, 210037

摘要：为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产,基于S Zorb装置运行积累的数据,首先利用Lasso算法初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型;其次对比分析4种模型,得出BP神经网络预测精度更优,更适合作为辛烷值损失预测模型,并经过10折交叉验证得到均方误差(MSE)均值为0.027 193,R2均值为0.904 87,验证了该模型的可靠性;最后在控制油品硫质量分数不大于5 μg/g的前提下,结合多元线性回归对主要变量进行优化调控.结果表明,需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好,能按照一定比例对主要变量进行正反向调控.本文还可视化展示了优化过程中辛烷值和硫含量的变化轨迹.

关键词：BP神经网络;多元线性回归;Lasso算法;辛烷值损失预测;优化调控

基金资助：国家自然科学基金(71701099,7150 1090);江苏省高等学校自然科学研究项目(17KJB580008)