基于数据驱动的催化重整产品质量预测

摘要： 通过基于过程机理和经验的变量初筛、拉依达法则的显著误差处理、MIC最大信息系数法的变量相关性分析，提出了一种实时数据处理规则，可提高建模数据的质量。基于催化重整装置苯产品中甲苯和非芳烃含量的生产管控需求，采用BP神经网络算法，建立了苯产品中非芳烃和甲苯含量预测模型，所建模型对两个产品预测的均方根误差分别为0.012 4和0.046 3,平均相对误差分别为1.036%和3.312...