用于预测精制蜡油硫含量的方法和装置与流程

摘要: 本发明涉及化工领域,具体涉及一种用于预测精制蜡油硫含量的方法和装置。背景技术:1、近年来,随着计算机存储能力和运算能力的不断提高,以大数据驱动为主的数据模型在石...
用于预测精制蜡油硫含量的方法和装置与流程

本发明涉及化工领域,具体涉及一种用于预测精制蜡油硫含量的方法和装置。

背景技术:

1、近年来,随着计算机存储能力和运算能力的不断提高,以大数据驱动为主的数据模型在石化行业发挥着越来越重要的作用。随着炼厂智能化的呼声越来越高,为蜡油装置建立智能化的预测模型成了重要的研究方向。

2、蜡油加氢是一个高度非线性和相互强关联的系统,机理模型应用起来并不方便,迫切需要一种简单灵活的建模方式。由于数据驱动模型不需要考虑过多的反应机理,建模方式更加灵活、时效性更强,可同时考察多维度、多因素数据对结果的影响,从而能够为炼厂的蜡油加氢装置提供更合理的操作方案以及产品指标控制策略。

3、建立蜡油加氢的数据驱动模型,本质上是建立一种输入变量x(原料性质、操作条件、催化剂性质)到输出变量y(产品性质)之间的因果关系,因此,选择合适的特征来表示各种不同的变量,构建输入变量和输出变量之间的函数关系十分关键。与纯粹的相关关系方法选择特征不同,因果关系的选择既要考虑自变量之间的相互影响,又要考虑自变量与因变量之间的相互影响,因此,开发新的因果关系特征选择方法意义重大。

技术实现思路

1、本发明实施例的目的是提供一种预测精制蜡油硫含量的方法和装置,具体地说,本发明提供了一种复杂因果关系模型特征选择新方法,该方法对建模的所有特征一一筛选,比较全特征模型和筛选特征模型在测试集数据上的评价指标的变化,通过新的判别函数和阈值,筛选出不利于模型预测效果的特征。

2、为了实现上述目的,本发明提供一种用于预测精制蜡油硫含量的方法,该方法包括:用于构建精制蜡油硫含量预测模型的方法,该方法包括:获取蜡油加氢装置的运行数据,该数据包含原料数据、操作参数以及精制蜡油硫含量;将所述运行数据划分为训练集以及测试集;构建全特征模型,并利用所述训练集以及测试集对所述全特征模型进行训练和测试,得到所述全特征模型的平均绝对误差和调整决定系数,其中所述全特征模型用于根据所述原料数据和操作参数中的所有特征对所述精制蜡油硫含量进行预测,所述平均绝对误差表示模型输出与真实值之间的平均绝对误差,所述调整决定系数表示模型输出对真实值的拟合程度;构建多个筛选特征模型,并利用所述训练集以及测试集对所述多个筛选特征模型中的每一筛选特征模型进行训练和测试,得到所述多个筛选特征模型中的每一筛选特征模型的平均绝对误差和调整决定系数,其中每个筛选特征模型仅利用所述原料数据和操作参数中的剔除了部分特征之后剩余的特征对所述精制蜡油硫含量进行预测;根据所述全特征模型的平均绝对误差和调整决定系数以及每一筛选特征模型的平均绝对误差和调整决定系数,选取满足预测误差和拟合效果的特征;以及根据所选取的特征,构建硫含量预测模型,并利用所述训练集以及测试集,对该硫含量预测模型进行训练及测试。

3、其中,所述操作参数可包含原料进料量、循环氢量、反应压力、以及各床层平均温度。

4、其中,所述原料数据可包含原料蜡油密度、原料馏程、原料蜡油硫含量、以及原料蜡油氮含量。

5、其中,根据所述全特征模型的平均绝对误差和调整决定系数以及每一筛选特征模型的平均绝对误差和调整决定系数,选取满足预测误差和拟合效果的特征,包含:针对每一筛选特征模型,执行以下操作中的一者或多者:在该筛选特征模型的平均绝对误差小于所述全特征模型的平均绝对误差,且调整决定系数大于所述全特征模型的调整决定系数的情况下,淘汰该筛选特征模型所剔除的部分特征;在该筛选特征模型的平均绝对误差大于所述全特征模型的平均绝对误差,且调整决定系数小于所述全特征模型的调整决定系数的情况下,保留该筛选特征模型所剔除的部分特征作为满足预测误差和拟合效果的特征;在该筛选特征模型的平均绝对误差大于所述全特征模型的平均绝对误差,且调整决定系数大于所述全特征模型的调整决定系数的情况下,若预测效果变差的程度大于拟合效果变好的程度,则保留该筛选特征模型所剔除的部分特征作为满足预测误差和拟合效果的特征,否则淘汰该筛选特征模型所剔除的部分特征;以及在该筛选特征模型的平均绝对误差小于所述全特征模型的平均绝对误差,且调整决定系数小于所述全特征模型的调整决定系数的情况下,若预测效果变好的程度大于拟合效果变差的程度,则淘汰该筛选特征模型所剔除的部分特征,否则保留该筛选特征模型所剔除的部分特征作为满足预测误差和拟合效果的特征。

6、其中,预测效果变化程度被表示为:

7、拟合效果变化程度被表示为:(rall,adjust2-ri,adjust2)

8、其中,mae(all)为所述全特征模型的平均绝对误差,rall,adjust2为所述全特征模型的调整决定系数,mae(i)为所述筛选特征模型的平均绝对误差,ri,adjust2为所述筛选特征模型的调整决定系数。

9、其中,所述多个筛选特征模型的数量等于所述原料数据和操作参数中的所有特征的数量,每一个筛选特征模型对应于所有特征中剔除了一个特征之后剩余的特征。也就是说,每个筛选特征模型是通过从所有特征中剔除了一个特征之后剩余的特征而被构建的,每个筛选特征模型对应于一个特征的剔除。

10、另一方面,本发明提供一种用于预测精制蜡油硫含量的方法,该方法包括:获取生成精制蜡油过程中所涉及的原料数据及操作参数;以及将所述原料数据及所述操作参数输入至上述构建的硫含量预测模型,得到精制蜡油硫含量。

11、另一方面,本发明提供一种用于预测精制蜡油硫含量的装置,所述装置包括:存储器;以及处理器,该处理器被配置为利用上述用于预测精制蜡油硫含量的方法来预测精制蜡油硫含量。

12、另一方面,本发明提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得所述处理器被配置成执行上述用于预测精制蜡油硫含量的方法。

13、另一方面,本发明提供一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时使得所述处理器被配置成上述用于预测精制蜡油硫含量的方法。

14、通过上述技术方案,建立两类模型,一类是全特征模型,另一类是筛选特征模型。在全特征的基础上,每次从全特征中抽一个特征出来剔除,剩下的特征和数据用于建立选特征模型。比较全特征模型和选特征模型在相同测试集上的预测效果,以新的判别函数和阈值作为筛选特征的标准,综合考虑特征筛选前后,模型的平均绝对误差和调整决定系数的变化,实现了特征筛选的目的,解决了因果关系模型筛选特征的问题,显著提高模型的精度和模型自变量对因变量的解释性。

15、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

1.一种用于构建精制蜡油硫含量预测模型的方法,该方法包括:

2.根据权利要求1所述的方法,其特征在于,所述操作参数包含原料进料量、循环氢量、反应压力、以及各床层平均温度。

3.根据权利要求1所述的方法,其特征在于,所述原料数据包含原料蜡油密度、原料馏程、原料蜡油硫含量、以及原料蜡油氮含量。

4.根据权利要求1所述的方法,其特征在于,根据所述全特征模型的平均绝对误差和调整决定系数以及每一筛选特征模型的平均绝对误差和调整决定系数,选取满足预测误差和拟合效果的特征,包含:针对每一筛选特征模型,执行以下操作中的一者或多者:

5.根据权利要求4所述的方法,其特征在于,

6.根据权利要求1所述的方法,其特征在于,

7.一种用于预测精制蜡油硫含量的方法,该方法包括:

8.一种用于预测精制蜡油硫含量的装置,其特征在于,所述装置包括:

9.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求7所述的用于预测精制蜡油硫含量的方法。

10.一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时使得所述处理器被配置成执行根据权利要求7所述的用于预测精制蜡油硫含量的方法。