用神经网络模型预测催化裂化原料油结构族组成的研究

摘要

Prediction on group analysis of FCC feedstock with 4 properties, carbon m%, hydrogen m%, density at 20 ℃ and dynamic viscosity at 100 ℃, using neural network was developed. Comparing the calculation data with the experimental data, the average absolute deviations of CP, CN and CA were 0.36%, 0.16% and 0.15% respectively. The accuracy of the prediction method was promising.%利用人工神经网络模型，根据催化裂化原料油的碳元素质量分数(ωC)、氢元素质量分数(ωH)、密度(ρ204)、运动粘度(ν100)四参数对催化裂化原料油的结构族组成进行预测，获得了较高的精度，计算值与试验值相比，CP、 CN、 CA的平均绝对误差分别为0.36%、0.16%、0.15%。用该模型对未参加训练的4种油样进行检验，预测结果的平均相对误差为4.05%，表明此方法具有较高的拟合精度和较好的预测能力。