作為重油處理的重要單元之一,溶劑脫瀝青裝置由于進(jìn)料成分復(fù)雜,萃取過程中兩相平衡數(shù)據(jù)過于龐大且難以獲取,傳統(tǒng)通過機(jī)理的建模方法較難適用。提出一種SDAE-FCM工況分類法,借助于深度神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能提取高維輸入特征的同時(shí)降低輸入維度,減少噪聲對(duì)后續(xù)模型的影響;結(jié)合通過隸屬度函數(shù)定義的模糊C均值聚類(FCM)算法對(duì)工況進(jìn)行劃分,緩解了由于進(jìn)料性質(zhì)波動(dòng)和操作條件改變帶來的工況漂移問題,較全局分析更具優(yōu)勢(shì);采用基于樹模型的集成學(xué)習(xí)方法針對(duì)不同工況分別建立產(chǎn)品收率和性質(zhì)的模型�，F(xiàn)場(chǎng)工業(yè)數(shù)據(jù)驗(yàn)證結(jié)果表明,該方法建立的模型,在預(yù)測(cè)脫瀝青油(DAO)收率、殘?zhí)俊⒘蚝俊⑺慕M分等方面有較好的性能,可為實(shí)際裝置的優(yōu)化提供指導(dǎo)。

【文章頁(yè)數(shù)】：8 頁(yè)


本文編號(hào)：3830543