基于多元线性回归模型的乙醇偶合制备C4烯烃方法

摘要：本文通过对催化剂组合设计，探索乙醇催化偶合制备C4烯烃的工艺条件具有非常 重要的意义和价值。某化工实验室针对不同催化剂在不同温度下做了一系列实验，通过matlab运用多元线性回归模型，对每种催化剂组合，分别研究乙醇转化率、C4 烯烃的选择性与温度的关系，并对350度时给定的催化剂组合在一次实验不同时间的测试结果进行分析;如何选择催化剂组合与温度，使得在相同实验条件下C4烯烃收率尽可能高;还探讨了不同催化剂组合及温度对乙醇转化率以及C4烯烃选择性大小的影响，最后给出一定条件下Co在催化剂表面高度分散，催化剂表面酸、碱适宜，因此具有较高催化活性。

关键词：乙醇;C4烯烃;多元线性回归模型;matlab

1 引言

近年来，随着汽车和化工行业等新型经济体不断发展，煤炭及化石能源的需求不断增加，从而引发了资源短缺、环境污染等一系列的问题。 因此，寻找一种 替代的可再生的能源是当前研究的热点。乙醇作为一种清洁能源， 可以通过秸秆、玉米等生物质发酵获得，原料来源十分广泛。随着乙醇产量的逐年增加和生产成本的下降，其作为平台分子转化为其他高附加值的产品具有广阔的应用前景。C4烯烃作为重要的化工原料，被广泛的应用于化工产品及医药中间体的生产。传统的生产方法均采用化石能源为原料，但随着化石能源产量的短缺及对环境影响的加重，能源的供给逐渐趋向于多元化，开发新型的清洁能源显的愈加紧迫。乙醇分子可以通过生物质发酵制备，来源广泛、绿色清洁，以其为平台分子生产高附加值的丁醇及C4烯烃具有巨大的应用前景及经济效益，受到国内外广泛关注。因此，本论文以乙醇为平台化合物，通过对催化剂的结构设计与制备，探索了乙醇催化偶合制备丁醇及C4烯烃的工艺条件。

2 研究乙醇转化率、C4 烯烃的选择性与温度的关系

根据要求分别研究乙醇转化率（）、C4烯烃的选择性（）与温度（c）的关系，同时并以350度时给定的催化剂组合在一次实验不同时间的测试结果进行分析：

（1）乙醇转化率、C4烯烃得选择性与温度的关系函数分别如下：

运用SPSS多元线性回归模型偏相关分析得结果，当涉入“温度C”这个变量后，“乙醇转化率”和“C4烯烃的选择性”的相关系数多数在温度下大于0.5，P值小于0.01，相关关系具有统计学的意义，呈现正相关函数图。

（2）在350度下给定催化剂组合的实验时间范围为：20～273（min）

确定控制变量：时间（T）;因变量：、、乙烯选择性（A）、乙醛选择性（B）、碳数4-12脂肪醇（D）、甲基苯甲醛和甲基苯甲醇（E）。

现根据因变量与自变量关系以及数据，利用Excel筛选、、T几组数据得出结论：随时间变化增加趋势，得出逐渐下降;趋势与相反。呈现上升现象。

3 不同催化剂组合及温度对乙醇转化率以及C4烯烃选择性大小的影响

探究不同催化剂组合及温度对乙醇转化率以及C4烯烃选择性大小的影响，在问题1分别

对乙醇转化率、C4烯烃选择性与温度进行了关系分析，故而3在采用2基础上增加附件一、二中Excel散点排序图、筛选数据、在计算SPSS中选择数学的线性回归函数，得出关于不同催化剂组合及温度对、两者的影响。

a. 因变量：温度

b. 预测变量：（常量）， C4烯烃选择性（%）， 乙醇转化率（%）

此实验采用了四组实验催化剂组合得出结论分析：在图表显示中可以看出F和显著性，显著性在远小于0.05下表明系数的检验显著;在回归系数的绝对值显著大于0，表明自变量可以有效的预测因变量的变异。F值测验组间和组内的离差平方与自由度的比值，F越大，越说明组间方差是主要方差来源，处理的影响越显著;F越小，越说明随机方差是主要的方差来源，处理的影响越不显著。

4 如何选择催化剂组合与温度，使得在相同实验条件下C4烯烃收率尽可能高。

在考虑从几组数据进行Excel散点图排布，而后在问题3条件影响下，得出A 组B组数据，在使得在相同的实验条件下C4烯烃收率尽可能达到最大值。根据线性回归函数得出情况。

公式：

情况表明：在A组我们发现当x1越接近0，x2越接近1，它们的C4烯烃收率达到最高值;

（1）在偏差在0.2内，同时绝对值接近1，数值都较高;

绝对值在0.7-1.3内，如：A组中A2～A7;

（2）在偏差在0.3内，绝对值接近2.5，数值较高，如：A5;在绝对值接近0，数值为0，如：A13。下举两个特例：A10、A11。

A10、A11：在x1、x2都远大于、远小于以上两种情况。

下面根据A组表示图可知：部分催化剂组合与温度关系，在大于350度后C4烯烃收率发生变化，大多数催化剂组合在q的取值中200mg最为合适，在w的取值中2%wtCo/Sio2最為合适，催化剂载体的容量200最为合适，在速率上0.3～0.9最为合适。具体将采取两组效果图说明：

综上结论：在综合所有数据及图表得在大于350度后C4烯烃收率发生变化，大多数催化剂组合在q的取值中200mg最为合适，在w的取值中2%wtCo/Sio2最为合适，催化剂载体的容量200最为合适，在速率上0.3～0.9最为合适。经过我们对上述问题的延伸，发现Co负载量在数值2时C4烯烃收率比较高，因此我们以Co负载量为关键设计另外两组实验，分别是第四组和第五组实验。第四组：我们在A3的基础上设计了A33，我们将A3的Co负载量值1wt%增加到1.5 wt%，其他条件保持，然后进行实验。第五组：我们在A3的基础上设计了A34，我们将A3的Co负载量值1 wt%增加到2 wt%，其他条件保持，然后进行实验。

5 小结

本文主要运用了多元线性回归模型偏相关与相关性结合的方法给出基本思路原理，通过matlab来实现，研究它们之间关系并对350度下定向催化剂组合与时间进行分析可靠性更高;而后面的问题二模型二利用数学线性回归函数来解决问题得以较好的完成。由于没有在更多实际数据下处理，和其他实验因素干扰，模型三、四的建立还有待进一步研究。

参考文献

[1]戴明强，数学模型及其应用，科学出版社，2007年。

[2]李东梅，数学建模，科学出版社，2007年。

[3]孙丽，闫文楠，贺鹏飞，线性回归，山西大学， 2011年。

[4]陈宏伟，相关性研究，现代经济信息，19期，2014年。

[5] 张萍萍，张建华，尹咪咪，生物学结构， 郑州大学学报（理学版），02期，2016年。

基金项目：南宁学院2019年校级科研项目（2019XJ16）

作者简介：李玲玲，女，壮族，广西南宁人，副教授，研究方向：概率论与数理统计.