融合可解释机器学习的成品汽油调和配方质量预测评价与致因分析

受成品汽油调和配方需“先验”评价与修正的驱动,本研究将轻量级梯度提升树(LightGBM)与可解释机器学习(SHAP)方法相结合,兼顾复杂模型精度高与后验SHAP可解释性强的各自优势,提出了一种调和配方质量预测评价及致因分析方法。该方法先引用改进遗传算法(IGA)优化LightGBM的超参数,建立了可同时预测成品汽油性能和环保指标的模型,并结合汽油国ⅥA标准与企业生产实际制定了配方质量评价标准,实现配方“先验”评价;再基于SHAP的全局和局部致因分析,对缺陷配方给出了易于操作的单变量定性修正建议。实验结果表明:相比于传统BP网络和随机森林(RF)、以及采用随机搜索和GA优化参数的LightGBM等模型,IGA_LightGBM模型可得到更全面和精准的预测指标,SHAP致因分析可给出契合实际的修正建议。该方法是智能算法代替人工的有益探索。

石油储运自动化系统的组成应用探讨

在石油化工行业中,石油储运自动化系统是石油现代化建设的一项重要的组成部分,在新时期,提高石油储运工程的自动化程度具有重要意义。本文针对石油储运自动化系统的组成应用进行探究,希望能为同行提供参考。

异质多模型集成的辛烷值和抗爆系数分级建模

针对成品汽油调和过程中研究法辛烷值(RON)和抗爆系数难以实时获取,且传统未考虑二者关联的单一模型精度和适应性不足等问题,提出了2种异质多模型集成的分级预测建模方法(方法Ⅰ和方法Ⅱ)。先采用K折交叉验证法对建模算法进行参数调整与算法优选,分别建立了5个一级辛烷值和二级抗爆系数异质子模型。方法Ⅰ利用加权平均法对异质子模型进行线性集成,并为提升集成模型性能,对目标函数引入L1、L2、L1&L2等3种正则化约束,以此确定子模型最优权重;考虑线性集成可能对非线性过程适应性不足,方法Ⅱ基于堆叠思想建立了非线性集成预测模型。经使用工业生产数据仿真实验研究表明,较传统单一模型以及加权平均模型,考虑抗爆系数对辛烷值依赖提出的2种异质集成分级建模方法,具有更优的性能,可用于成品汽油调和过程中辛烷值和抗爆系数的准确预测,有望解决后期配方模型建立和优化控制的数据缺失问题。

大型外浮顶原油储罐浮顶腐蚀的原因分析及防腐蚀对策

随着我国石油化工行业的不断发展以及能源安全问题重要性的增加,大型外浮顶原油储罐成为石油化工行业原油输送、储存及安全运营必不可少的设备。而与此同时,因腐蚀所引起的储罐损坏和原油泄漏事故也时有发生,给石化企业在安全上和经济上的造成了重大损失。

铁路机车56步标准整备法的建立与应用

机车整备是机车运行前的准备工作,是铁路运行安全的重要基础。本文针对车间机务人员业务水平低,机车整备概念模糊,作业内容不清楚,现场应急排除障碍能力缺乏,机车日常润滑保养不到位的现状,通过对整备管控形式创新、过程管控流程创新和考核机制创新相结合,构建以《内燃机车56步标准整备法》为核心的机车检查操作全过程管控,初步形成完整的“有标准、有手段、无漏项、有监督、有考核”的机车整备方法,实施半年多以来,对提高设备管理水平以及降低机车故障率,收效显著。