應用化學計量學技術預測預測原油性質和反應產物分布

應用化學計量學技術預測預測原油性質和反應產物分布摘要：該文通過收集整理原油實驗室積累的大量有價值的原油評價數據，建立了原油數據庫。同時，將數據庫中的原油性質和反應產品分布數據作為訓練數據，結合化學計量學校正理論，建立了性質與性質、性質與反應產物分布的數學關聯模型。結果表明，利用各種校正理論方法建立的數學關聯模型都有很好的預測效果，能夠達到對性質組成和反應產物分布快速、準確預測的目的。關鍵詞：原油；化學計量學；校正理論；粘度；催化裂化R語言原油煉制技術研究，必須建立在系統(tǒng)深入認識原油化學特性的基礎上，以石油化學為理論依據，以提高汽柴油等液體產品收率為目標。因此，實驗室開展了對原油深入的化學評價分析。最終，利用分析數據建立了原油數據庫。目前，如何利用先進數據分析方法對數據庫中的原油評價數據進行有效地分析成為實驗室面臨最主要的研究問題，通過此項研究，以便提出原油的性質組成及反應性能關聯預測模型，獲取更多關于原油的知識，并為原油優(yōu)化加工技術開發(fā)提供技術基礎。為此，本文的研究重點是在前人大量對原油實驗研究的基礎上，利用所收集的原油分析實驗數據，結合化學計量學校正理論，研究原油性質組成和反應產物分布的預測方法。1實驗1.1原油性質和反應數據收集分別測定原油原料的性質組成，性質組成包括密度、殘?zhí)?、粘度、平均分子量、元素含量（H，C，N，S）、H/C、金屬Ni和V的含量、飽和分、芳香分、膠質和瀝青質。同時，還要對原油的原料進行催化裂化反應[1]和熱轉化反應性能的研究。最終，將性質組成和反應數據存儲于數據庫，為下一步數據分析提供數據基礎。部分原油催化裂化反應數據見表1。1.2化學計量學校正理論校正理論是化學計量學最重要的組成部分，所謂校正就是利用化學量測系統(tǒng)或數據和已有被研究體系的知識或信息，采用適當的統(tǒng)計學方法建立的一個模型，然后利用該模型定性或定量分析未知對象或樣品，并預測被分析對象各方面信息的過程[2]。原油的性質和反應數據經測定收集后，利用校正理論方法，便可以建立性質與性質、性質與反應產物分布的定量數學模型，最后利用該模型定量預測未知原油樣的性質和反應產物分布數據。本文選取了六種常用的校正理論建模方法建立定量數學預測模型，六種方法包括：原油性質組成數據和反應數據作為模型的訓練數據，利用多元線性回歸方法，求解回歸系數β，便可以建立性質與性質、性質與反應產物分布的數學關聯模型。最后，將未知原油的性質數據輸入數學模型，就可以達到定量預測未知原油性質和反應產物分布的目的。2）逐步線性回歸（StepwieRegreion，SR）參加多元線性回歸（MLR）的n個原油的性質特征量某1，某2，…，某n中，單獨觀察時有些性質特征量某與因變量y（性質或反應產物分布）的相關程度很密切，有些性質特征量某顯得不重要。若把這些不重要的特征量保存在回歸方程中，不僅增加計算工作量，而且會增加方程的不穩(wěn)定性[4]。因此，希望從n個性質特征量中選出與預測值因變量y最密切，最具有代表性的性質特征量某。為此，本文采用逐步線性回歸法，在原油的性質中，分析選出與需要預測的原油的某個性質或某個反應產物分布關系最為密切的關鍵性質，作為線性回歸方程的自變量某。若原油性質特征量相互間無“共線性”（原油性質自變量呈線性、無干擾和無變量間的相互作用）問題，則利用多元線性回歸方法建立的數學模型可以達到很高的預測精度[5]。但原油分析中數據總是帶有誤差，此時將多元線性回歸建立在整體性質數據矩陣的基礎上，就會造成模型失真，降低預測精度。為此需要采用主成分回歸法，首先對原油性質做主成分分析，選取重要因子，然后采用常規(guī)多元回歸分析方法建立重要因子與待預測性質或反應產物分布的數學模型?？梢钥闯鲋鞒煞只貧w實際上是主成分分析和多元線性回歸的組合。4）偏最小二乘法（PartialLeatSquare，PLS）偏最小二乘法（PLS）是化學定量校正理論最常用的一種方法[6-7]，PLS模型建立過程見圖1。在預測原油性質或反應產物分布過程中，利用訓練數據（數據庫中的原油性質、反應產物分布數據）和偏最小二乘法，首先求出系數矩陣b，建立多元線性模型，輸入未知原油的性質組成數據，便可以得到預測結果。偏最小二乘法與主成分回歸有著相同的模型結構，主成分回歸（PCR）的主要目的是要提取隱藏在自變量矩陣某中的相關信息，然后用于預測變量Y的值，這種方法可以保證只使用那些獨立變量，噪音將被消除，從而達到改善預測模型質量的目的。但是，主成分回歸仍然有一定的缺陷，當一些有用變量的相關性很小時，在選取主成分時就很容易把它們漏掉，使得最終的預測模型可靠性下降。偏最小二乘回歸可以解決這個問題，它采用對變量某和Y都進行分解的方法，從變量某和Y中同時提取因子，再將因子按照它們之間的相關性從大到小排列，要建立一個模型，只要決定選擇幾個因子參與建模就可以了。5）非線性回歸最小二乘法（NonlinearLeatSquare，NLS）一般的非線性回歸模型可以表示為[8]：本文中，某是原油性質數據矩陣，β為待估計的參數向量，y是準備預測的原油的性質或反應產物分布，ε為隨機誤差。函數形式f（·）是已知的。與多元線性回歸法類似，求取β，便可以建立非線性回歸數學預測模型。6）支持向量機（SupportVectorMachine，SVM）支持向量機于1995年由Vapnik首先提出，它是一種監(jiān)督式學習的方法，它廣泛的應用于統(tǒng)計分類以及回歸分析中[9]。支持向量機的體系結構如圖2所示。本文中，某為原油性質矩陣，K為支持向量機的核函數，本文核函數選取為“radialbai”，b為偏置項，a為權重向量，則預測的原油性質或反應產物分布結果為：1.3校正理論模型開發(fā)軟件3結束語1）利用化學計量學校正理論六種常見方法，將數據庫中存儲的原油性質數據作為訓練數據，建立原油粘度預測模型，經過對六種預測模型的數學分析和比較，六種模型都可以對原油粘度進行準確的預測，其