人工神经网络-基团键贡献耦合模型预测煤液化油的偏心因子
毛学锋
摘要：为探索预测煤直接液化油窄馏分的偏心因子的新方法,建立了基于人工神经网络-基团键贡献耦合模型(ANN-GBC),以煤直接液化油包含的45个基团键和常压沸点(Tb)共46个参数作为该模型的输入参数,研究了煤直接液化油15个窄馏分的偏心因子与分子结构之间的相关性.结果表明,通过计算20个模型化合物的偏心因子,表明ANN-GBC模型具有较好的模拟推算功能,计算值与理论值平均相对误差均在2.5％以下.偏心因子ω随蒸馏切割馏分温度的升高而增大,ANN-GBC模型预测值普遍高于Watanasiri、NEDOL关联式的计算值.＜380℃馏分ω小于1,相对偏差较小;＞380℃馏分ω偏差较大;针对＞420℃馏分,因仅能定性定量分析其中20％物质,不同物质的含量差异导致个别结果的跳跃,ω偏差较大.
关键词：煤直接液化油人工神经网络-基团键贡献耦合模型窄馏分偏心因子常压沸点
分类号：TQ529(炼焦化学工业)
论文发表日期：2017-01-01
英文信息