基于KPLS的延迟焦化柴油95%点的预测与估计

系统仿真学报 ›› 2015, Vol. 27 ›› Issue (3): 598-602.

• 信息、控制、决策与仿真 • 上一篇下一篇

基于KPLS的延迟焦化柴油95%点的预测与估计

程剑, 张凌波, 顾幸生

华东理工大学化工过程先进控制和优化技术教育部重点实验室, 上海 200237

收稿日期:2014-04-16 修回日期:2014-10-30 出版日期:2015-03-08 发布日期:2020-08-20
作者简介:程剑(1989-),男,浙江杭州人,硕士生,研究方向为系统建模与优化;张凌波(1974-),男,湖南永州人,副教授,研究方向为过程控制。
基金资助:
中央高校基本科研业务费专项基金:上海市重点学科项目(B504)

Prediction and Estimation of 95% Distillation Point Diesel in Delayed Coking Unit Based on Kernel Partial Least Squares

Cheng Jian, Zhang Lingbo, Gu Xingsheng

Key Laboratory of Advanced Control and Optimization for Chemical Processes, Ministry of Education, East China University of Science and Technology, Shanghai 200237, China

Received:2014-04-16 Revised:2014-10-30 Online:2015-03-08 Published:2020-08-20

摘要/Abstract

摘要： 为了节约人工分析柴油95%点的成本和时间、提高延迟焦化装置调整的效率,在研究延迟焦化装置工艺流程和分析柴油95%点影响因素的基础上,提出了一种基于核偏最小二乘的柴油95%点的预测方法。仿真结果表明该方法能够有效、快速地处理各变量之间的非线性关系,并且预测结果也明显优于偏最小二乘方法等方法。所提出的方法可用于指导实际生产过程,提高企业效益。

关键词: 柴油95%点, 分馏塔, 偏最小二乘法, 核偏最小二乘法

Abstract: In order to save labor cost and time of 95% distillation point of diesel analysis, and improve the efficiency of adjusting the device, an algorithm was proposed to predict 95% distillation point of diesel based on Kernel Partial Least Squares(KPLS), on the basis of studying the process of delayed coking unit and analyzing the main factors related to 95% distillation point of diesel. The experiment results show that this algorithm can deal with the non-linear relationship among the variables effectively and quickly. Furthermore, the results also show that the model based on KPLS is better than that based on partial least squares. So this algorithm can be used to guide production and improve the profit of enterprise in practice.

Key words: 95% distillation point diesel, fractionating tower, partial least squares, kernel partial least squares

中图分类号:

TP301

程剑, 张凌波, 顾幸生. 基于KPLS的延迟焦化柴油95%点的预测与估计[J]. 系统仿真学报, 2015, 27(3): 598-602.

Cheng Jian, Zhang Lingbo, Gu Xingsheng. Prediction and Estimation of 95% Distillation Point Diesel in Delayed Coking Unit Based on Kernel Partial Least Squares[J]. Journal of System Simulation, 2015, 27(3): 598-602.

参考文献

[1] 王惠文. 偏最小二乘回归方法及其运用 [M]. 北京: 人民邮电出版社, 2001: 80-120.
[2] Geladi P, Kowalski B R.Partial least-squares regression: a tutorial[J]. Analytica chimica acta (S0003-2670), 1986, 185(86): 1-17.
[3] Fortuna L, Graziani S, Rizzo A, et al. Soft sensors for monitoring and control of industrial processes[M]. Germany: Springer, 2007.
[4] Rosipal R, Trejo L J.Kernel partial least squares regression in reproducing kernel hilbert space[J]. The Journal of Machine Learning Research (S1533-7928), 2001, 2(2): 97-123.
[5] 蒋红卫, 夏结来, 张春霞, 等. 核偏最小二乘回归及其在医学中的应用[J]. 中国卫生统计, 2007, 24(3): 239-242.
[6] 张曦, 陈世和, 陈锐民, 等. 基于核偏最小二乘的电厂热力参数预测与估计[J]. 南方电网技术, 2011, 5(1): 127-127.
[7] 邹永杰, 端木京顺, 高海龙. 基于核偏最小二乘的支持向量机回归算法研究[J]. 计算机工程与设计, 2010 31(10): 2290-2293.
[8] Roman R.Kernel partial least squares regression in reproducting kernel hillbert space[J]. Journal of Machine Learning Research (S1533-7928), 2000, 40(10): 25-47.
[9] Zhang Y, Teng Y, Zhang Y.Complex process quality prediction using modified kernel partial least squares[J]. Chemical Engineering Science (S0009-2509), 2010, 65(6): 2153-2158.
[10] Rosipal R, Trejo L J, Matthews B.Kernel PLS-SVC for linear and nonlinear classification [C]// ICML. Menlo Park, USA: AAAI Press, 2003: 640-647.
[11] H Hochstadt. Integral equations [Z]. New York, USA: Wiley Classics Library. John Wiley & Sons Inc., 1989. Reprint of the 1973 original, A Wiley-Interscience Publication.
[12] 武优西, 郭磊, 柴欣, 等. 基于优化算法的核函数参数选择的研究[J]. 计算机应用与软件, 2010, 27(1): 137-139.
[13] 刘立民. 延迟焦化装置软测量及先进控制研究 [D]. 北京: 中国石油大学, 2009.
[14] 梁朝林, 沈本贤. 延迟焦化[M]. 北京: 中国石化出版社, 2007.

[1]	邓向阳, 张立民, 方伟, 汤淼. 基于双向汇聚引导蚁群算法的机器人路径规划[J]. 系统仿真学报, 2022, 34(5): 1101-1108.
[2]	宁涛, 苟涛, 刘向东. 考虑低碳约束的生鲜农产品冷链物流策略仿真研究[J]. 系统仿真学报, 2022, 34(4): 797-805.
[3]	李建锋, 卢迪, 李贺香. 一种改进的原子搜索算法[J]. 系统仿真学报, 2022, 34(3): 490-502.
[4]	董君, 叶春明. 半导体晶圆节能分布式制造与预维护联合优化[J]. 系统仿真学报, 2022, 34(3): 584-602.
[5]	孙小晴, 程昊, 张潞瑶, 季伟东, 王旭. 一种基于空间分割搜索策略的自然计算方法[J]. 系统仿真学报, 2021, 33(11): 2589-2605.
[6]	王付宇, 汤涛. 双种群鱼群算法在分布式投资组合的应用[J]. 系统仿真学报, 2021, 33(9): 2074-2084.
[7]	段红, 邱晓刚. 网络化仿真及其发展趋势[J]. 系统仿真学报, 2021, 33(7): 1526-1533.
[8]	段红, 邱晓刚, 谢旭, 鞠儒生. 仿真学科知识领域构成研究[J]. 系统仿真学报, 2021, 33(4): 763-772.
[9]	刘景森, 袁蒙蒙, 李煜. 基于改进樽海鞘群算法求解工程优化设计问题[J]. 系统仿真学报, 2021, 33(4): 854-866.
[10]	顾菊平, 程天宇, 王建平, 华亮, 赵凤申, 蒋凌. 基于几何特征不变量的快速3D医学图像配准[J]. 系统仿真学报, 2020, 32(11): 2105-2111.
[11]	倪婉璐, 季伟东, 孙小晴. 自适应动态控制种群分组的自然计算方法[J]. 系统仿真学报, 2020, 32(10): 1884-1894.
[12]	陆湛文, 程新功, 张永峰. 基于共识粒子群的全局优化求解方法[J]. 系统仿真学报, 2020, 32(10): 1936-1942.
[13]	张潞瑶, 季伟东, 程昊. 基于LLE降维思想的自然计算方法[J]. 系统仿真学报, 2020, 32(10): 1943-1955.
[14]	何奕涛, 李珺, 郝丽艳. 具有引力机制的细菌觅食算法[J]. 系统仿真学报, 2020, 32(9): 1724-1735.
[15]	刘长良, 王梓齐. 基于严格二叉树编码和GA的模糊树结构学习[J]. 系统仿真学报, 2020, 32(8): 1473-1480.

基于KPLS的延迟焦化柴油95%点的预测与估计

Prediction and Estimation of 95% Distillation Point Diesel in Delayed Coking Unit Based on Kernel Partial Least Squares

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价