王志宏，龚剑洪，魏晓丽，首 时

(中国石化石油化工科学研究院，北京 100083)

目前，我国炼油产能严重过剩，油品结构不尽合理，而化工产能(尤其是高端产品产能)不足，炼油企业的结构转型升级是实现我国炼化行业绿色、低碳、可持续发展的必然选择。催化裂解技术作为油品与化工品的桥梁必将成为炼化一体化的核心部分。

为了指导催化裂解装置操作和工艺优化，研究人员进行了大量的试验研究，并建立了催化裂解集总动力学模型，描述重油催化裂解的内在化学反应规律，以期预测各种工艺参数和原油组成变化对应的产物产率变化[1]。但是，催化裂解过程的原料组成与反应体系非常复杂，依靠集总理论建立的机理模型基于一些理想化的假设，不能完全模拟出工业过程中的不确定性和干扰因素，而这些不确定性和干扰因素会降低机理模型的预测精度。

神经网络作为智能建模方法的代表，区别于以往的机理模型，具有强大的非线性拟合能力、并行信息处理能力和自学习能力，在催化裂解过程的动力学模拟中得到越来越多的应用。神经网络可以用于生产过程中工艺参数控制、数据收集与筛查、结果预测等方面[2]，并表现出了巨大的潜力。Serrano等[3]利用神经网络预测生物质在流化床反应器中气化生成焦油的过程，发现预测结果准确性良好；崔阳等[4]发现BP神经网络对煤催化气化过程的预测效果优于回归公式方法；Keyvanloo等[5]以神经网络结合遗传算法预测石脑油热裂解的主要产品收率，提高了预测精度。……