基于多核SVR的PZ活化MDEA脱碳工艺模型软件研究与实现

摘要

在天然气液化工艺中，如果原料气中含有CO2，会造成设备和管道的腐蚀，严重影响天然气的质量。哌嗪(PZ)活化N—甲基二乙醇胺(MDEA)溶液脱碳工艺不仅具有CO2溶解度大、反应热小的特点，而且还具有溶液的再生能耗低、溶液稳定性好、不降解、挥发性低、对碳钢设备无腐蚀等优点，已应用于天然气液化工艺。支持向量回归机(SupportVector Regression，SVR)作为机器学习理论的重要算法，已经在多个领域得到了广泛应用，多核函数的引入使SVR不再拘泥于寻找一个最优的单核实现回归算法，而是尝试寻找与样本数据集特性更匹配的融合新核，以提高模型的精确度和泛化能力。本论文将多核SVR理论引入到PZ活化MDEA脱碳工艺模型计算中，对工艺参数优化有一定的指导意义。 首先，论文从化学热力学和动力学的基本原理着手，分析现有CO2在PZ活化MDEA中的溶解度模型特点和适用范围，结合天然气液化项目工程，提出CO2在PZ活化MDEA中的溶解度热力学模型;其次，结合主流核函数和SVR理论建立四种基于单核SVR的脱碳工艺溶液循环量预测模型;然后，研究多核函数理论，建立基于多核SVR的PZ活化MDEA脱碳工艺溶液循环量预测模型。通过工业生产数据对实验模型进行仿真实验，实验表明多核SVR模型较单核SVR模型预测准确度更高，且多核模型能够达到工业生产要求。 最后，采用面向对象语言研发基于多核SVR的PZ活化MDEA脱碳工艺模型软件系统，实现工艺参数优化，可为天然气脱碳工艺方案参数的确定提供科学指导和理论依据。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 国内外研究现状

1．2．1 国内外针对天然气脱碳的研究

1．2．2 国内外对于支持向量回归的研究现状

1．3 论文主要研究内容

1．3．1 研究目标

1．3．2 主要内容

1．4 论文组织结构

2．1 支持向量机SVM

2．1．1 机器学习理论

2．1．2 统计学习理论

2．2 支持向量回归机SVR

2．2．2 核函数学习

2．2．3 SVR理论

2．2．4 SVR模型建立流程

2．3 本章小结

第三章 PZ活化MDEA脱碳工艺参数优化

3．1．1 体系平衡关系

3．1．2 模型的简化

3．2 溶液循环量计算

3．3 工艺参数对溶液循环量影响分析

3．3．1 吸收塔压力对溶液循环量的影响

3．3．2 吸收塔温度对溶液循环量的影响

3．3．3 MDEA浓度对溶液循环量的影响

3．3．4 PZ浓度对溶液循环量的影响

3．4 PZ活化MDEA脱碳工艺参数优化分析

3．5 本章小结

第四章 基于多核SVR的PZ活化MDEA脱碳工艺研究

4．1 PZ活化MDEA脱碳工艺重要参数

4．2 脱碳工艺基础数据的预处理

4．3 单核SVR溶液循环量预测模型

4．3．1 基于LINEAR核SVR溶液循环量预测模型

4．3．2 基于POLY核SVR溶液循环量预测模型

4．3．3 基于RBF核SVR溶液循环量预测模型

4．3．4 基于S型核SVR溶液循环量预测模型

4．4 多核SVR溶液循环量预测

4．4．1 多核SVR溶液循环量预测模型搭建

4．4．2 多核SVR溶液循环量预测仿真实验分析

4．5 仿真实验结果分析

4．6 本章小结

第五章 基于多核SVR的PZ活化MDEA脱碳模型软件系统设计与实现

5．1 系统总体设计

5．1．1 系统设计目标

5．1．2 软件体系结构设计

5．1．3 主要模块设计

5．2 多核SVR的PZ活化MDEA脱碳工艺模型软件系统的实现

5．3 关键技术介绍

5．4 本章小结

第六章 总结与展望

6．1 研究总结

6．2 研究展望

致谢

参考文献

攻读学位期间参加科研情况及获得的学术成果