摘要: 催化重整装置收率预测的准确性对生产计划的制定具有重要意义. 采用神经网络和主成分分析方法,并运用改进的遗传算法进行网络训练,建立了催化重整装置收率预测模型. 将这一模型程序作为催化重整装置收率预测模块加入软件GIOPIMS(Graphic I/O Petro-chemical Industry Modeling System)中,得到更为精确的产品收率预测结果. 在实际生产中,将收率预测模块计算的催化重整装置各侧线的收率代入生产计划模型中,可为生产计划的制定提供依据.
郭彦;李初福;何小荣;龚真直;陈勃;张秋怡. 采用神经网络和主成分分析方法建立催化重整装置收率预测模型[J]. , 2007, 7(2): 366-369.
GUO Yan;LI Chu-fu;HE Xiao-rong;GONG Zhen-zhi;CHEN Bo;ZHANG Qiu-yi. Prediction on Product Yields of Catalytic Reforming Unit by BPNN-PCA[J]. , 2007, 7(2): 366-369.