一种基于BP神经网络和条件生成对抗网络的汽油辛烷值损失预测及优化方法

摘要

本发明公开了一种基于BP神经网络和条件生成对抗网络的汽油辛烷值损失预测与优化方法，包括以下步骤：采集催化裂化汽油历史数据，对历史数据进行预处理，降低冗余度和复杂度；对处理后的数据进行特征降维，筛选建模所需的主要数据成分，并建立筛选评价指标，评估筛选合理性；构建基于相对熵的BP神经网络预测模型，对汽油辛烷值损失进行预测；构建基于条件生成对抗网络的优化模型，以硫含量为约束条件，筛选规定损失幅度下的数据，并对筛选的数据的操作变量进行优化。本发明能够显著提高汽油辛烷值损失预测精度，降低汽油中硫和烯烃的含量，减少汽油燃烧后有害气体的排放，减轻汽车尾气引起的环境污染。