石翠翠，刘媛华

(上海理工大学管理学院，上海 200093)

目前，中国石化下属炼油厂的催化裂化汽油脱硫主要采用S Zorb工艺[1]。由于S Zorb工艺装置非常复杂，因而影响精制汽油研究法辛烷值(RON)的特征变量间存在高度非线性和相互强耦联的关系。传统关联分析和机理模型对高维度数据集的分析效果不理想，会造成催化裂化汽油精制过程的参数优化不及时，从而导致汽油产品辛烷值损失增大。因此，在对催化裂化汽油进行精制处理时，如何从S Zorb装置的操作条件、原料性质、待生吸附剂性质与再生吸附剂性质等方面精确预测汽油产品的辛烷值并进行影响因素分析，成为降低汽油辛烷值损失的难点问题。

随着汽油辛烷值数据不断向非线性、多模态等复杂系统方向发展，中国石化企业实验室信息管理系统(LIMS)获取的数据集转向非正态分布[2-3]，导致基于传统特征变量选择方法模型的预测效果变差。因此，如何有效剔除冗余特征变量，建立新的特征变量选择方法是提高汽油辛烷值模型预测精度的关键[4]。为此，很多学者进行了有益的探索。Albahri[5]利用基团贡献法预测汽油的RON和马达法辛烷值(MON)，发现基团贡献法只考虑基团之间的线性组合，其预测模型的稳定性差。Saldana等[6]研究发现定量结构性质关系(QSPR)模型在预测燃料十六烷值时的性能优于其他模型。Mendes[7]和Bao Xin等[8]发现采用偏最小二乘回归法预测汽油RON具有较好的稳定性和预测精度。从上述研究结果可知，由于变量因子与汽油辛烷值间的函数关系非常复杂，一些学者把智能优化算法与BP神经网络模型组合应用于汽油辛烷值的预测。……