“华为杯”研究生数学建模竞赛2020年-【华为杯】B题：降低汽油精制过程中的辛烷值损失模型（附获奖论文）

降低汽油精制过程中的辛烷值损失模型 一、背景 汽油是小型车辆的主要燃料，汽油燃烧产生的尾气排放对大气环境有重要影响。为此，世界各国都制定了日益严格的汽油质量标准（见下表）。汽油清洁化重点是降低汽油中的硫、烯烃含量，同时尽量保持其辛烷值。 欧盟和我国车用汽油主要规格 车用汽油标准 辛烷值 硫含量/(μg/g) ≯ 苯含量/% ≯ 芳烃含量/% ≯ ..

汽油的实际精制生产工序十分繁琐，可操作位点繁多，而不同操作位点之间可能存在着某些相关性质，例如装置内部温度的变化可能会导致装置内部压力的变化。同时也存在 一些与汽油成品质量相关性不大的常规操作变量。为了降低后续数据处理过程中所消耗的计算资源，需要对354个操作变量进行筛选，使得筛选出的操作变量最具代表性，与目标输出指标的相关程度高。数据来源：原始数据采集来源于中石化高桥石化实时数据库(霍尼韦尔 PHD)及 LIMS 实验数据库。

Differential evolution for filter feature selection based on information theory and feature ranking        这篇论文是由Emrah Hancer，Bing Xue，Mengjie Zhang三个学者在2016年发表的，其主要研究成果是提出了两种新的基于差分...

1. 问题重述摘 要：汽油精制研究更趋数据化和智能化，这对国家发展，科技创新，环境保护，企业效益等诸多方面有着巨大的影响，如何降低汽油精制过程中的辛烷值损失已经成为了汽油精制领域的一大挑战。本文主要采用皮尔森相关分析、遗传算法、LightGBM算法和粒子群算法等，对数据进行了深入的挖掘，建立了主要变量对汽油精制过程中辛烷值损失的数量关系，具体做法如下：针对问题1，首先，以拉伊达准则为依据，剔除异常测量值，运用最大最小限幅法，剔除异常操作值；

而灰色关联分析 模型要解决的问题就是部分数据已知，部分信息未知或者缺失的情况，而且该模型克服了优化方案受 决策者对相似性操作变量和相近性操作变量的主观偏好影响，通过对已知样本数据的生成和挖掘，筛 选出其中最为有价值的数据信息，实现对 S-Zorb。装置的反应 过程硫吸附速率受到吸附剂的数量、反应器的压力、氨分压、温度、硫的吸附量等因素的影响；辛烷值损失的直接影响因素是烯烃加氢饱和程度，辛烷值损失会随着烯烃 损失的增加而增大，所以减少辛烷值损失的关键是降低脱硫反应过程中的烯烃加氢饱和反应。

将 313 每个原始操作变量 6 点到 8 点的数值求均值，作为 313 样本 8 点的各个变量值。明我们的异常值剔除是非常必要的。生吸附剂性质、2 个再生吸附剂性质以及 354 个操作变量，需要根据 325 个样本数据，筛。化工过程的建模一般是。我们以 2017 年至 2020 年的数据作为样本，将产品辛烷值作为对比变量，将重要的位。经过异常值检验后，我们在样本 285 数据中没有发现异常值，而在样本 313 数据中，值我们进行了验证，我们通过手工操作就能发现 313 样本存在很多远大于均值的量，这表。

摘 要：汽油辛烷值含量对汽油的燃烧性能具有重要的影响。在保证硫含量较低的情况下，应尽量降低辛烷值在汽油精炼过程中的损失。本文采用数据挖掘技术，研究了辛烷值优化建模等问题，具有一定的现实意义。首先参考附件一中的预处理结果，按照附件二中的数据处理要求对285和313号样本的原始数据进行遍历，检验其是否存在如数据值缺失、超出操作变量范围和不满足拉依达准则等异常值并剔除。之后判断每位点的数据缺失值比率是否超出设定的阈值，根据判断结果采取删除位点或对空缺值进行拉格朗日插值操作。最后对预处理过的数。

2020年全国研究生数学建模竞赛华为杯B题降低汽油精制过程中的辛烷值损失模型求解全过程文档及程序

2020年第十七届中国研究生数学建模竞赛B题 降低汽油精制过程中的辛烷值损失模型【分享交流】

满纸荒唐言，一把辛酸泪。 都云作者痴，谁解其中味？ 纪念人生最后一次数学建模，2016-2020

现有的标准辛烷值测量方法为研究法辛烷值(RON)、马达法辛烷值(MON),它们的准确度高，但测量过程十分不易，不仅需要专用的试验发动机设备，而且还需要配备各种抗爆性等级的标准混合燃料，存在分析时间长、测试成本高等缺点，为此需寻求一种快速的辛烷值检测方法。与红外光谱法相比，近红外光谱信号弱且灵敏度低，对于汽油中微量组分(如添加剂、非烃类组分等)响应较差，因此可能会导致对辛烷值具有贡献的一些组分不能被识别出来，从而使得汽油辛烷值测量不够准确，而红外光谱法由于灵敏度高，能够很好地解决这一问题。