提高数据模型预测效果的新方法及其在蜡油加氢脱硫中的应用

摘要

对于蜡油加氢工业装置而言,当原料发生较大变化时,即使操作人员进行相应的调整,也容易出现精制蜡油中硫含量超标或者过低的情况,这些数据点(边际点)虽少,但极重要。由于统计模型的固有缺陷,边际点的预测成为难题。研究提出两步法来解决这一问题,首先,建立精制蜡油硫含量异常点判定新方法,剔除异常点;其次,保留所有硫含量边际点,从正常范围点中随机抽取数据,将边际点数据量与正常范围点数据量之比(边际点/正常点)从1/9改变为2/8和3/7,使其更符合统计模型的预测特点。与边际点/正常点为1/9的模型相比,边际点/正常点为2/8和3/7的模型对测试集中硫质量分数的平均绝对误差分别缩小了35.97和57.95μg/g,相对误差分别缩小了0.95和1.6百分点,解决了统计模型对少数边际点预测效果差的问题,提高了统计模型的泛化能力。