科研之友
微信
新浪微博
Facebook
分享链接
摘要
收集一定数量的柴油馏分样品,利用标准方法分别测定其基本物性、烃类组成信息和详细的碳数分布信息,建立起对应的数据库。对于一个待测柴油样本,首先根据其物性数据和烃类组成信息在库中找出与之距离最近的6个样本,然后利用这几个样本的信息,结合过采样技术在待测样本周围生成大量的虚拟样本,最后根据最近邻回归算法(KNR)进行回归计算,选择与待测样本最相似的5个虚拟样本,将这些样本的碳数分布组成信息进行线性加权加和,以此作为待测样本的预测值。将该方法应用于直馏柴油碳数分布的预测模型,柴油的硫含量、氮含量、酸值以及11个烃类(分别为链烷烃、单环烷烃、双环烷烃、三环烷烃、烷基苯、茚满/四氢萘、茚类、萘类、苊类、苊烯类和三环芳烃)的组成信息作为模型的输入特征,计算结果表明,这种模型能同时计算出直馏柴油中312项碳数集总的含量,计算速度快,准确度高,模型维护简单,具有一定的应用价值。
- 出版日期2018
- 单位中国石油化工股份有限公司石油化工科学研究院
