胡元冲，秦 康，李明丰，田 旺，张 乐，王轶凡，陈文斌

(中国石化石油化工科学研究院，北京 100083)

柴油是国民经济发展中重要的燃油资源之一，在各国燃料结构中均占有较高份额。然而在使用过程中，柴油中含有的硫、氮、芳烃等物质会对环境造成不利影响。通过加氢精制降低柴油中的硫、氮、芳烃含量，改善油品质量，是实现油品清洁化的有效手段[1-2]。

对柴油加氢精制过程进行建模模拟，可以为试验方案设计、操作参数优化、放大过程研究等提供重要的测算基础。目前，应用于柴油加氢精制过程的模型可以分为集总动力学模型[3-7]和数据驱动模型[8-10]。集总动力学模型基于特定的催化剂，在一定的原料性质和反应条件变化范围内，经过合理的假设和适当的简化得到[11]。此类模型虽有助于反应机理研究和催化剂开发，但模型求解与参数评估过程十分复杂，假设和简化也带来了一定程度的精度损失。

数据驱动模型弱化了繁杂的反应机理，建模方式更加灵活、时效性更强，可同时考察多维度、多因素数据对结果的影响，从而为复杂反应体系的模拟提供一种切实可行的解决方案。人工神经网络作为数据驱动模型的一种，具有强大的自适应、自学习和非线性映射能力，在化工过程控制领域获得了广泛应用[12-13]。

已有研究者使用数据驱动模型对柴油加氢过程进行模拟，但适用于超深度加氢精制及不同催化剂的模型尚无报道。本研究利用高通量催化……