基于开源技术的FCC装置产品收率预测BP神经网络模型

刘 洋，苑丹丹，李 浩，高雪颖

(中国石化工程建设有限公司，北京 100101)

石化项目设计前期阶段是从项目的立项到确认项目可行性并得到批准所做的工作。前期阶段主要由工厂设计、技术经济、市场分析等专业的专家对业主提出的工程项目进行研究，根据进展深度可以分为机会研究、方案研究和可行性研究等，对装置收率的估算是其中重要的一环。装置收率估算需要专家的经验和专业科室的配合，但这种靠人工计算和经验推断的传统方法难以应对信息时代石化项目设计前期阶段越来越快的工作节奏和对方案变化、多方案比选、快速反应、快速决策等越来越高的工作要求[1]。研究表明，在相对稳定的情况下基于机器学习的数学模型对装置收率的预测准确度超过人的经验推算[2]。因此，为了应对时代发展的要求，项目设计前期阶段可以利用BP神经网络模型等机器学习技术实现对装置收率的快速估算，以便设计人员能够快速地制定或修改方案，提高工作效率和工作质量。本研究使用开源语言Python和PHP构建一个适用于石化设计前期阶段的BS架构神经网络系统，并开发针对MIP工艺流化床催化裂化装置收率预测的组合BP模型。

1 BP神经网络

BP神经网络是由Rumelhar和McClelland[3-4]于1986年提出的以网络误差平方为目标函数，并采用梯度下降法对目标函数进行优化的多层前馈神经网络。因其具有自学习性、自组织性和推理能力强的特点，同时具备良好的非线性映射能力和柔性网络结构，因而被广泛应用[5-6]。……