申请/专利权人:华东理工大学
申请日:2024-01-31
公开(公告)日:2024-04-19
公开(公告)号:CN117912589A
主分类号:G16C20/30
分类号:G16C20/30;G16C20/70
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明提供了一种加氢裂化产物的预测方法、系统,及存储介质。所述加氢裂化产物的预测方法包括以下步骤:获取加氢裂化过程中多种原料油属性的样本数据,并经由流程机理模型生成加氢裂化产物的分子集总组成数据,以作为真实输出值;构建产物预测模型;基于小批量梯度下降算法,构建各权重的权重确定模型;根据所述多项式线性回归方程的数据格式扩充所述样本数据,并对所述权重确定模型进行步长自适应的训练,以确定各所述幂次的权重,并获得完成训练的产物预测模型;以及将待测样本的多种原料油属性数据输入所述完成训练的产物预测模型,以预测对应产物的分子集总组成。
主权项:1.一种加氢裂化产物的预测方法,其特征在于,包括以下步骤:获取加氢裂化过程中多种原料油属性的样本数据,并经由流程机理模型生成加氢裂化产物的分子集总组成数据,以作为真实输出值;构建基于多项式线性回归方程的产物预测模型,其中,y是所述产物预测模型的输出数据,xi、xj是所述产物预测模型的输入数据,n是所述输入数据的维度,θ0、θi、θij是所述产物预测模型中各幂次的权重;基于小批量梯度下降算法,构建各所述权重的权重确定模型: 其中,α为每次迭代的步长,m为每次迭代所选择的样本数,xk为第k个样本的输入值,为第k个样本的预测输出值,yk为所述第k个样本的真实输出值;根据所述多项式线性回归方程的数据格式扩充所述样本数据,并对所述权重确定模型进行步长自适应的训练,以确定各所述幂次的权重,并获得完成训练的产物预测模型;以及将待测样本的多种原料油属性数据输入所述完成训练的产物预测模型,以预测对应产物的分子集总组成。
全文数据:
权利要求:
百度查询: 华东理工大学 一种加氢裂化产物的预测方法、系统及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。