辽宁石油化工大学学报 ›› 2022, Vol. 42 ›› Issue (6): 73-77.DOI: 10.3969/j.issn.1672-6952.2022.06.012
Liying Guo(), Xianming Lang()
摘要:
由于常减压蒸馏过程的复杂多变性,过程变量耦合严重,直接建模会增加问题分析的难度。为了提高模型性能,首先采用核主元分析(KPCA)算法对模型的变量进行选择,再将经过处理的数据作为高斯过程回归(GPR)模型的输入,采用KPCA?GPR模型建立常压塔塔顶汽油干点的估计模型。该方法可解决不同变量之间的非线性相关性,并且具有灵活的非参数推广及超参数自适应调节等优点,通过计算经验置信区间,不仅可以对汽油干点进行预测估计,还可以做概率解释。仿真结果表明,KPCA?GPR模型取得了较好的估计结果。
中图分类号:
郭丽莹, 郎宪明. KPCA⁃GPR模型在常压塔塔顶汽油干点预测中的应用[J]. 辽宁石油化工大学学报, 2022, 42(6): 73-77.
Liying Guo, Xianming Lang. Application of KPCA⁃GPR Model in Predicting the Dry Point of Gasoline on the Top of Atmospheric Tower[J]. Journal of Liaoning Petrochemical University, 2022, 42(6): 73-77.