基于数据与机理相混合的催化重整过程建模方法

摘要

本发明公开基于数据与机理相混合的催化重整过程建模方法。建立机理模型；将机理模型进行离散，得到离散模型；采用能够求解大规模NLP问题的求解器对离散模型进行动态模拟，得到实测无法获取的反应器内部参数；构建数据模型，训练时采用神经网络学习方式；最后，训练好的数据模型以催化重整过程中反应器的输入实测值和动态模拟后的机理模型输出为输入，根据其输出与催化重整过程中反应器的输出实测值相比较，若差值大于阈值，则重新优化机理模型，反之则结束，得到所需的机理模型和数据模型相结合的催化重整过程模型。该方法弥补了机理建模与数据建模各自的不足之处，提高了催化重整过程模型的通用性与适应性。