楚庆玲，平振东，于明加，唐 鑫

（长安大学，陕西 西安 710064）

0 引 言

汽油是目前小型汽车使用最多的燃料，汽车尾气排放对空气污染尤为严重。我国也高度重视汽车尾气排放问题[1]。汽油的清洁对于环境保护尤为重要。其中，烯烃是汽油中的高辛烷值组分，辛烷值是交通工具所使用的燃料抵抗震爆的指标。为解决车用汽油调和问题，在尽可能保持汽油辛烷值的同时，降低汽油中的硫和烯烃含量，为应对国Ⅵ车用汽油标准问题提供一定的指导[2]。

机器学习的迅速发展为建立学习模型提供了许多有效的算法[3-10]。周小伟等人[3]采用多元线性回归和BP神经网络建立了复杂反映辛烷值的预测模型；经测试，BP神经网络的性能较好。朱晓等人[4]研究了化学物质的结构与性能之间的关系，利用支持向量机算法建立了基于分子结构的辛烷值预测模型；结果表明，该模型具有较好的预测能力，为烷烃马达法辛烷值的预测提供了新的思路。孙忠超等人[5]将改进的支持向量机和BP神经网络模型应用于烯烃、烷烃的数据预测，建立了汽油中环烷烃和芳烃辛烷值预测的数学模型。计算结果表明，在样本较少的情况下，BP神经网络的预测性能略优于改进的支持向量机算法；当样本数增加到40个时，两者的性能有所改善，且没有显著差异。

本文采用最大信息系数筛选特征变量，选取代表性好、独立性高的主变量，采用径向基函数（RBF）神经网络预测辛烷值损失，并通过实验验证算法的适用性和可行性。……