汽油燃烧产生的尾气排放对大气环境有重要影响。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。然而汽油精制工艺是一个多变量的强非线性、强

耦联性的复杂系统。为控制精制过程中产品的硫含量、建立汽油辛烷值预测模型和优化操作变量降低辛烷值(RON)损失，本文充分利用线性、非线性相关分析、互信息理论、神经网络、智能寻优算法等数据挖掘技术研究了如何降低汽油精制过程中辛烷值损失的问题。

针对问题一，依据附件二给出的“样本确定方法”对附件三：285 号和 313 号样本原始数据进行数据整定。经整定，两个样本原始数据中不存在残缺数据较多、全部为空值或部分为空值的位点（操作变量），不需作数据处理；依据变量的最大最小限幅，筛选出 8个变量，剔除4个涉及样本数超过42.15%的变量；将整定好的样本替换附件一中的对应样本，同时利用拉依达准则剔除4个存在非操作变量异常值的样本。最终形成321个样本、364个变量的数据文件。

针对问题二，汽油精制工艺是一个多变量的强非线性、强耦联性的复杂系统，首先模型一利用简单线性相关分析和偏相关分析，得到产品辛烷值(RON)和原料辛烷值(RON)的强相关性，相关系数为 0.973。然后建立基于互信息的降维模型，将剩余变量依据与产品辛烷值(RON)互信息值的大小排序，剔除线性相关较强的变量后，选取前14个变量和原料辛烷值(RON)共计 15 个主要变量。模型二基于遗传算法—BP 神经网络的降维模型利用了神经网络对非线性问题的良好适应性，采用二进制编码形成自变量组合，通过 BP 神经网络计算得到产品辛烷值(RON)预测值的均方误差作为该自变量组合的适应度，经遗传算法寻优得到最优的 14 个主要变量的组合。对比两个模型，发现两组主要变量有 8 个完全相同，但模型一的剩余主要变量之间存在更弱的相关性，符合主要变量的独立性标准。

针对问题三，基于问题二模型一所得到的15个主要变量，建立模型三BP神经网络模型预测产品辛烷值(RON)。单隐含层BP神经网络预测误差在（-0.36%，0.55%）之间，双隐含层 BP 神经网络预测误差在（-0.4%，0.35%）之间。模型四小波神经网络预测模型的预测误差在（-0.15%，0.3%）。对比得知，小波神经网络的预测精度最高，但对比产品辛烷值预测值与实测值的整体趋势，发现双隐含层 BP 神经网络的预测误差分布更均匀，精度与小波神经网络预测模型接近。因此选定双隐含层BP神经网络作为预测模型。

针对问题四，基于问题三的产品辛烷值(RON)预测模型，同样建立产品硫含量的 BP神经网络预测模型。建立模型五基于 BP 神经网络预测模型的粒子群寻优算法，优化主要变量操作方案。优化过程中，除原料辛烷值(RON)的速度为 0 以外，粒子中的其他主要变辛烷值(RON)测量前两个小时内，以1次/3min的调整频次所允许的最大调整次数40次。假定合理的产品辛烷值目标区间为（0.5,0.7），最终优化得到全部 325 个样本的最优操作条件。

针对问题五，利用问题四建立的模型五，根据优化过程中存储的粒子位置矩阵和速度

目录

目录 ......................................................................................................................................... 1

一、     问题重述 .................................................................................................................... 2

二、     问题分析 .................................................................................................................... 3

三、     模型假设 .................................................................................................................... 4

四、     模型建立与求解 ........................................................................................................ 5

4.1 问题一：样本数据处理 .......................................................................................... 5

4.2 问题二：寻找建模主要变量 .................................................................................. 6

4.3 问题三：产品辛烷值预测 .................................................................................... 16

4.4 问题四：主要变量操作方案的优化 .................................................................... 23

4.5 问题五：模型的可视化展示 ................................................................................ 26

五、     模型检验与评价 ...................................................................................................... 28

5.1 模型的检验 ............................................................................................................ 28

5.2 模型的优点 ............................................................................................................ 28

5.3 模型的缺点 ............................................................................................................ 28

六、     模型推广 .................................................................................................................. 29

七、     结论 .......................................................................................................................... 30

八、     参考文献 .................................................................................................................. 31

附录 ............................................................................................................................... 32

一、  问题重述

汽油是小型车辆的主要燃料，汽油燃烧产生的尾气排放对大气环境有重要影响。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。为进一步提高汽油产品的品质，依据采集的数据样本通过数据挖掘技术建立辛烷值(RON)损失预测模型，给出每个样本的优化操作条件，在保证汽油产品脱硫效果的前提下，使得汽油辛烷值(RON)损失降幅在30%以上。

问题一：参考近 4 年的工业数据的预处理结果，依“样本确定方法”对 285 号和 313号数据样本进行预处理并将处理后的数据分别加入到附件一相应的样本号中，供后续研究使用。

问题二：由于催化裂化汽油精制过程是连续的，虽然操作变量每3分钟就采样一次，

但辛烷值（因变量）的测量比较麻烦，一周仅2次无法对应。但根据实际情况认为辛烷值

的测量值是测量时刻前两小时内操作变量的综合效果，因此预处理中取操作变量两小时内

的平均值与辛烷值的测量值对应，产生了325个样本。

建立降低辛烷值(RON)损失模型涉及包括7个原料性质、2个待生吸附剂性质、2个再

生吸附剂性质、2个产品性质等变量以及另外354个操作变量（共计367个变量），采用

先降维后建模的方法，有利于忽略次要因素，发现并分析影响模型的主要变量与因素。因

此，根据提供的325个样本数据，通过降维的方法从367个操作变量中合理筛选出建模主

要变量，使之尽可能具有代表性、独立性。

          问题三：建立辛烷值(RON)损失预测模型。采用上述样本和建模主要变量，通过数据挖掘技术建立辛烷值(RON)损失预测模型，并进行模型验证。

g/

g

的前提下，

利用上述模型获得325个数据样本中，辛烷值(RON)损失降幅大于30%的样本对应的主要变量优化后的操作条件（优化过程中原料、待生吸附剂、再生吸附剂的性质保持不变，以它们在样本中的数据为准）。

问题五：模型的可视化展示：工业装置为了平稳生产，优化后的主要操作变量（即问题二中的主要变量）往往只能逐步调整到位，对133号样本（原料性质、待生吸附剂和再生吸附剂的性质数据保持不变，以样本中的数据为准），以图形展示其主要操作变量优化调整过程中对应的汽油辛烷值(RON)和硫含量的变化轨迹。

三、  模型假设

1、 2、 3、 4、 5、	假设测量数据都是真实数据，存在各种可能的误差。 假设操作变量的取值范围完全参照附件四。
	假设任意操作变量	ix 一次调整的幅度只能是	 。 ix
	假设任意操作变量	ix 每次正向调整或负向调整方向的概率是50%。
	假设操作变量按照与采集频率相同的频率进行调整，即1次/3min。

分析，计算与产品中含硫量和辛烷值的相关系数，其部分代表性结果如下所示：

表4.5 产品性质的简单相关分析

	产品硫含量皮尔逊相关性	产品辛烷值皮尔逊相关性
原料硫含量	0.233	0.495
原料辛烷值	0.158	0.973
饱和烃	-0.327	-0.465
烯烃	0.370	0.395
芳烃	-0.180	0.093
溴值	0.081	-0.129
密度	-0.004	0.261
…	…	…
8.0MPa氢气至反吹氢压缩机出口	-0.205	-0.180
D101原料缓冲罐压力	-0.399	-0.214

          可明显看出除了产品辛烷值(RON)与原料辛烷值(RON)存在明显线性相关性，其余变量与2个因变量之间无明显线性相关。

考虑到变量间可能存在线性相关，如果不作偏相关分析，可能会造成信息的重复表达、

主要变量过多等问题。因此对原料性质、待生吸附剂和再生吸附剂性质等 11 个变量做偏

相关分析，其结果见表4.6：

表4.6 产品性质偏相关分析

	产品硫含量		产品辛烷值(RON)
	偏相关性	显著性	偏相关性	显著性
原料硫含量	0.105	0.064	0.112	0.048
原料辛烷值(RON)	0.007	0.899	0.965	0.000
饱和烃	0.029	0.613	-0.070	0.216
烯烃	0.031	0.585	-0.069	0.225
芳烃	0.027	0.636	-0.068	0.227
溴值	0.075	0.182	-0.046	0.420
密度	0.038	0.498	0.044	0.442
待生吸附剂焦炭	0.091	0.109	0.151	0.007
待生吸附剂S	-0.035	0.534	-0.102	0.072
再生吸附剂焦炭	-0.065	0.253	-0.220	0.000
再生吸附剂S	0.058	0.307	0.176	0.002

偏相关分析计算结果表明产品辛烷值(RON)与原料辛烷值(RON)存在明显线性相关性。偏相关分析剔除了自变量之间的线性相关性，使得筛选出的变量独立性更高，更具代

表性。在简单相关性分析中，产品辛烷值与原料辛烷值的线性相关系数为 0.973，偏相关分析中，线性相关系数为0.965，且显著性系数为0，满足显著性检验，代表其具有显著代表性。因此可以将原料辛烷值(RON)作为主要变量之一。

将321个样本中的产品辛烷值(RON)与原料辛烷值(RON)绘制简单散点图（见图4.1），可发现两者之间呈现明显线性关系，因此上述计算分析是准确的，而其余自变量与因变量的相关系数较低，以线性相关度第二高的硫含量为例（见图 4.2），其线性相关程度不明显，不能通过线性分析确定其是否属于主要变量。

% 本程序主要用于问题一的数据处理

clc,clear;

data1=textread('11.txt');

d31=xlsread('3-1.xlsx');

d32=xlsread('3-2.xlsx');

d11=xlsread('1-1.xlsx');

dz=xlsread('zdata.xlsx');

d3leng=size(d31,2);

d1leng=size(d11,1);

d3leng2=size(d31,1);

dele=[];

…………

% 将285数据以及313数据存储至附件1数据中

wu=zeros(2,d3leng);

for i=1:d3leng

  wu(1,i)=d11(285,i)-chuli(i);

  wu(2,i)=d11(313,i)-chuli2(i);

end

for i=1:d3leng

  if ~isnan(chuli(i))

  d11(285,i)=chuli(i);

  end

  if ~isnan(chuli2(i))

  d11(313,i)=chuli2(i);

  end

end

[m1 n1]=size(dz);

% 将非操作变量进行3sigema处理

cun1=[];

sig=[];

xba1=[];

des=zeros(m1,14);

for i=1:14

  sum=0;

  num=0;

  cun=[];

  sum2=0;

  znum=0;

  zba=0;

  sum3=0;

  for j=1:m1

  sum=sum+dz(j,i);

  num=num+1;

  cun=[cun dz(j,i)];

  end

  xba=sum/num;

  xba1=[xba1 xba];

  cun=cun-xba;

  for k=1:num

  sum2=sum2+cun(k)^2;

  end

  sigema=sqrt(sum2/(num-1));

  sig=[sig sigema];

  for j=1:m1

  if abs(cun(j))<=3*sigema

  des(j,i)=1;

  end

  end                       

end

% 将关于原料辛烷值、产品辛烷值、和辛烷损失值超过3sigema的样本删除 del1(:,1)=des(:,2);

del1(:,2)=des(:,9);

del1(:,3)=des(:,10);

del2(:)=del1(:,1)+del1(:,2)+del1(:,3);

j=0;

cc1=[];

for i=1:d1leng

  if del2(i)==3

  j=j+1;

  aa(j,:)=dz(i,:);

  else

  cc1=[cc1 i];

  end

end

% 将数据异常的22、49、84、111列删除

bb=aa;

bb(:,[36 63 98 125])=[];

% 输出整定后的数据

xlswrite('321.xlsx',bb);

问题二：模型一主要程序

% 本程序用于挑选计算所用的变量

clc,clear

ppz=xlsread('321.xlsx');

pp2=xlsread('bzh.xlsx');
% 将数据进行从新处理，将产品辛烷值、硫、损伤值作为1,2,3,存储于pp1中 m1=size(ppz,1);

m2=size(ppz,2);

pp1(:,1)=ppz(:,9);

pp1(:,2)=ppz(:,8);

pp1(:,3)=ppz(:,10);

pp1(:,4:10)=ppz(:,1:7);

pp1(:,11:m2)=ppz(:,11:m2);

% 选择三个线性先关系数强的变量

cc=corrcoef(pp1);

dd=abs(cc(1,:));

nn1=100;

maxx=[];

for i=1:nn1

  [m,p1]=max(dd);

  maxx=[maxx; m p1];

  dd(p1)=0;

end

% 保证选择的变量之间非强相关

% 数据标准化处理

pp=zeros(m1,m2-3);

  for i=1:m2

  pp(:,i)=zscore(pp1(:,i));

  end

p=pp(:,4:m2);

t1=pp1(:,1);

t2=pp1(:,2);

t3=pp1(:,3);

t1=(t1-min(t1))/(max(t1)-min(t1));%zscore(t1);

t2=zscore(t2);

t3=zscore(t3);

u1 = t1;

for k=4:m2

  %p(:,k)=zscore(p(:,k));

  u2 = pp1(:,k);

  wind_size = size(u1,1);

  mi = calmi(u1, u2, wind_size);

  MIC(k)=mi;

end

mic2=MIC;

% 寻找最大值

max1=[];

nu1=m2-3;

for i=1:nu1

  [m,p1]=max(mic2);

  max1=[max1; m p1];

  mic2(p1)=0;