孙金芳 王智文 王康权 吴静

摘  要：辛烷值是评价汽油质量的重要指标，汽油在精制脱硫和降烯烃的过程中，辛烷值普遍出现了损失.建立预测模型来预测辛烷值，帮助企业优化工艺流程进而提高成品油辛烷值的含量具有重大意义.根据某石化企业的精制脱硫装置保留下来的数据进行分析，选取独立且具有代表性的20个变量，基于主成分降维的多层感知神经网络建立辛烷值的预测模型.实验结果表明，当隐藏层的神经元个数为10时，MSE、RMSE、MAE均最小，此时该模型具有较高的预测精度和较好的拟合度.此模型不仅揭示了变量与辛烷值之间的非线性映射关系，同时也为预测辛烷值提供了一种新的思路.

关键词：汽油辛烷值;主成分降维;多层感知神经网络;数据降维;辛烷值损失;辛烷值预测

中图分类号：TP391.3         DOI：10.16375/j.cnki.cn45-1395/t.2021.03.011

0    引言

辛烷值（octane number，RON）是反映汽油燃烧性能的最重要指标之一[1-3]，并作为汽油的商品牌号（如92#），在世界各国制定的汽油质量标准中都有严格的规定.然而，汽油精制脱硫和降烯烃的过程中，辛烷值普遍出现损失.辛烷值每减少损失1个单位，相当于多收益150元/t[4].以一个拥有年产100万t汽油精制装置的企业为例，若它能将RON的损失减少0.2个单位，那么它在一年内能多收益3×107元人民币.

郑斌等[5]针对成品油销售企业汽油辛烷值检测难的问题，提出了一种基于随机森林回归算法的研究方法.高俊等[6]采用35个汽油实际样本数据，建立了利用汽油的近红外光谱吸光度……