陆天浩，李玲玲，陈宇峰，汤 琼

0 引言

汽油的辛烷值作为汽油的商品牌号（例如89#、92#、95#），是衡量汽油发动机燃料抗爆性能优劣的重要指标。辛烷值越高，表示其抗爆性能越好，发动机压缩比越高[1]。辛烷值的提高可以提升发动机功率，增加车辆行程；同时还能起到节约燃料，减轻使用者经济负担的作用。对于小型车辆而言，汽油是其主要的燃料，汽油燃烧产生的尾气是影响大气环境的重要因素。辛烷值反映了汽油的燃烧性能，然而当前的脱硫催化裂化汽油技术，使汽油的辛烷值大大降低。因此提高辛烷值是提高经济效益和改善环境的一个重要手段[2]。

为了解决上述问题，针对“华为杯”第十七届中国研究生数学建模竞赛①本文为“华为杯”第十七届中国研究生数学建模竞赛二等奖论文。B 题：汽油辛烷值建模，将BP（back propagation）神经网络模型与遗传算法[3-8]引入预测与优化任务中，并通过预测优化找到符合条件的优化方案。

1 数据处理

1.1 数据预处理

用数学建模竞赛B 题所提供的数据集作为原始数据集。在数据集中，共有325 个样本，根据样本采集时间排序，采集时间为2017-04—2020-05。每个样本包含由原料性质、产品性质、待生吸附剂性质 、再生吸附剂性质等不同操作变量构成的354 个采集位节点。由于是原始数据，不同样本中的不同位节点存在未采集数据或数据缺失等情况。如果不同样本的同一位节点缺失数据较多，则该位节点不能准确反映变化情况，需要删除该位节点。如果不同位节点的同一样本数据较多，同样需要删除该样本。……