期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
减压馏分黏度指数的近红外预测研究 被引量:3
1
作者 任小甜 褚小立 +1 位作者 田松柏 朱新宇 《石油炼制与化工》 CAS CSCD 北大核心 2019年第1期81-84,共4页
为了实现减压馏分油(VGO)黏度指数的快速预测,以70个VGO样品的近红外光谱及黏度指数数据为基础,利用随机森林回归算法建立了黏度指数的近红外预测模型。以随机森林算法中对各特征的重要性度量为依据,通过递归特征消除法对近红外光谱进... 为了实现减压馏分油(VGO)黏度指数的快速预测,以70个VGO样品的近红外光谱及黏度指数数据为基础,利用随机森林回归算法建立了黏度指数的近红外预测模型。以随机森林算法中对各特征的重要性度量为依据,通过递归特征消除法对近红外光谱进行波长变量选择。优选出10个波长变量作为模型的输入特征,利用10折交叉验证法确定模型的超参数(回归树数量n_t为150和节点分裂的特征数n_v为5),构建一个更加稳健的随机森林预测模型。对于7个预测集的样本,其黏度指数的预测标准偏差RMSEP为2.28,决定系数R^2为0.98,表明模型具有较高的准确度和泛化能力。 展开更多
关键词 减压馏分 黏度指数 预测 近红外光谱 递归特征消除法 随机森林算法
在线阅读 下载PDF
渣油的分子组成模拟研究 被引量:4
2
作者 任小甜 阎龙 申海平 《石油炼制与化工》 CAS CSCD 北大核心 2015年第11期1-6,共6页
针对渣油中分子的结构组成,提出了一种基于结构导向集总的构建渣油分子的方法,选定65种单核分子和12种多核分子作为种子分子,以不同碳数的侧链进行划分,构建了共计3 749个虚拟分子来代表渣油。采用15种基本的结构向量组成的分子矩阵来... 针对渣油中分子的结构组成,提出了一种基于结构导向集总的构建渣油分子的方法,选定65种单核分子和12种多核分子作为种子分子,以不同碳数的侧链进行划分,构建了共计3 749个虚拟分子来代表渣油。采用15种基本的结构向量组成的分子矩阵来描述每个分子的组成,可用于表示分子反应过程以及各分子物性的计算。以渣油中各分子特征分布为基础确定各分子摩尔分数的计算式,构建各物性计算值相对误差的目标函数,利用模拟退火算法计算渣油中各分子的相对含量。选取3种渣油进行分子建模研究,模拟计算结果表明,渣油各物性的计算值和实验测定值基本吻合,每种渣油芳香分的相对分子质量也呈现明显的γ分布。这3 749种分子可以基本反映渣油的整体性质,用分子特征分布的方法来计算渣油分子的相对含量是可行的。 展开更多
关键词 渣油 结构向量 分子矩阵 特征分布 模拟退火算法
在线阅读 下载PDF
基于随机森林算法预测减压馏分油中噻吩硫化物的组成分布 被引量:2
3
作者 任小甜 褚小立 田松柏 《石油学报(石油加工)》 EI CAS CSCD 北大核心 2020年第5期995-1002,共8页
为实现直馏减压馏分油(VGO)中噻吩硫化物组成分布的快速分析,收集160个具有代表性的VGO样本,测定其常规物性及其含有噻吩硫化物的组成信息,构造160组数据集,并将其随机划分为训练集和测试集。以VGO的常规物性为输入特征,采用随机森林回... 为实现直馏减压馏分油(VGO)中噻吩硫化物组成分布的快速分析,收集160个具有代表性的VGO样本,测定其常规物性及其含有噻吩硫化物的组成信息,构造160组数据集,并将其随机划分为训练集和测试集。以VGO的常规物性为输入特征,采用随机森林回归算法(RFR)分别构建预测VGO中苯并噻吩、二苯并噻吩、萘苯并噻吩以及总噻吩质量分数的模型。利用训练集样本的袋外估计,进行模型超参数的寻优。结果表明,模型对VGO中3种噻吩硫化物和总噻吩质量分数的预测标准偏差(RMSEP)分别为0.268%、0.131%、0.111%、0.385%,说明模型的预测值和实测值接近,具有较高的准确度和较强的泛化能力。 展开更多
关键词 减压馏分 噻吩硫化物 组成分布 预测模型 随机森林算法
在线阅读 下载PDF
柴油馏分碳数分布的预测研究 被引量:1
4
作者 任小甜 褚小立 田松柏 《石油炼制与化工》 CAS CSCD 北大核心 2018年第12期76-80,共5页
收集一定数量的柴油馏分样品,利用标准方法分别测定其基本物性、烃类组成信息和详细的碳数分布信息,建立起对应的数据库。对于一个待测柴油样本,首先根据其物性数据和烃类组成信息在库中找出与之距离最近的6个样本,然后利用这几个样本... 收集一定数量的柴油馏分样品,利用标准方法分别测定其基本物性、烃类组成信息和详细的碳数分布信息,建立起对应的数据库。对于一个待测柴油样本,首先根据其物性数据和烃类组成信息在库中找出与之距离最近的6个样本,然后利用这几个样本的信息,结合过采样技术在待测样本周围生成大量的虚拟样本,最后根据最近邻回归算法(KNR)进行回归计算,选择与待测样本最相似的5个虚拟样本,将这些样本的碳数分布组成信息进行线性加权加和,以此作为待测样本的预测值。将该方法应用于直馏柴油碳数分布的预测模型,柴油的硫含量、氮含量、酸值以及11个烃类(分别为链烷烃、单环烷烃、双环烷烃、三环烷烃、烷基苯、茚满/四氢萘、茚类、萘类、苊类、苊烯类和三环芳烃)的组成信息作为模型的输入特征,计算结果表明,这种模型能同时计算出直馏柴油中312项碳数集总的含量,计算速度快,准确度高,模型维护简单,具有一定的应用价值。 展开更多
关键词 柴油馏分 烃类组成 碳数分布 预测 最近邻回归 过采样技术
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部