化学属性引导的石脑油组成预测神经网络
机器学习
2023-06-05 v1 计算工程、金融与科学
摘要
石脑油裂解过程严重依赖石脑油的组成，而石脑油是不同烃类的复杂混合物。准确预测石脑油组成对于高效控制裂解过程并实现最佳性能至关重要。传统方法如气相色谱和实沸点曲线由于需要中试规模实验或受成本限制而不可行。本文提出一种利用化学属性信息提升石脑油组成预测性能的神经网络框架。所提框架包含两部分：Watson K 因子估计网络与石脑油组成预测网络。两网络共享基于卷积神经网络（CNN）架构的特征提取网络，而输出层使用基于多层感知机（MLP）的网络生成两种不同输出——Watson K 因子与石脑油组成。石脑油组成以百分比表示，其总和应为 100%。为增强石脑油组成预测，我们利用蒸馏模拟器从依赖于其化学属性的石脑油组成获得蒸馏曲线。通过设计估计与模拟 Watson K 因子间的损失函数，我们提升了 Watson K 估计与石脑油组成预测的性能。实验结果表明，所提框架能准确预测石脑油组成并反映真实石脑油化学属性。
引用
@article{arxiv.2306.01391,
title = {Chemical Property-Guided Neural Networks for Naphtha Composition Prediction},
author = {Chonghyo Joo and Jeongdong Kim and Hyungtae Cho and Jaewon Lee and Sungho Suh and Junghwan Kim},
journal= {arXiv preprint arXiv:2306.01391},
year = {2023}
}
备注
Accepted at IEEE International Conference on Industrial Informatics 2023(INDIN 2023)