基于BP神经网络的辛烷值预测模型

胡 坤，罗维平*,2，贾树林

(1.武汉纺织大学 机械工程与自动化学院，湖北 武汉 430200； 2.湖北省数字化纺织装备重点实验室，湖北 武汉 430200)

为了节能减排、减少汽车尾气排放对大气环境影响，世界各国都在致力于汽油的清洁化，汽油清洁化的重点是降低汽油中的硫、烯烃含量，同时尽量保持其辛烷值(Research Octane Number, RON)[1]。2013年欧盟实施欧VI标准，规定烯烃含量不高于18%；2019年我国对车用汽油制定的标准为烯烃含量不高于18%，然而，世界燃油规范制定的标准为烯烃含量不超过10%。由于超过70%的汽油是催化裂化生产得到的，因此成品汽油中95%以上的硫和烯烃来自催化裂化汽油，故必须对催化裂化汽油进行精制处理，但是现有的技术在对催化裂化汽油进行脱硫和降烯烃的过程中，普遍降低了汽油辛烷值，降低了经济效益。辛烷值是反映汽油燃烧性能的最重要指标，是一个国家炼油工业水平的体现。

传统的汽油辛烷值测定方法是采用ASTM-CFR标准方法[2]对汽油进行分析，此方法费时且机器结构庞大，操作和维护运行费用高，因此测定成本高。也有许多研究者采用红外光谱[3]，此方法具有测定速度快、可用于在线分析、检测成本低等优点，但是由于得到的操作位点较多，幵且存在许多不确定因素的影响，其应用受到一定的限制。

因此本文提出一种基于BP(Back Propagation)神经网络的预测模型，对辛烷值进行预测。BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，该网络实质上实现了一个从输入到输出的映射功能，具有实现任何复杂非线性映射的功能，且具有自学、推广的能力，可以很好的对多变量指标影响的汽油辛烷值进行预测。……