一种PX氧化反应生产过程代理模型建模方法

摘要

本发明涉及对二甲苯氧化反应生产过程代理模型建模方法，此方法系统分析PX氧化反应机理，选取对产物品质有较大影响且可测的操作变量作为输入变量，选取氧化反应生产过程关键性能指标作为模型输出变量，同时采集实际工业装置运行数据，在数据处理和归一化的基础上，基于BP神经网络，选用8×9×9的3层网络拓扑结构，采用Levenberg‑Marquardt学算法对模型进行训练，并通过实际数据验证其精度，获得能完整描述PX氧化反应生产过程的神经网络代理模型。从而达到根据反应器进料及各操作条件准确预测出对应PX氧化反应后的产物浓度及其他关键性能指标的目的，以指导反应过程的优化运行操作。

主权项

一种PX氧化反应生产过程代理模型建模方法，其特征在于，它由下列步骤组成：步骤一、系统分析整体PX氧化反应工艺机理，结合历史数据及操作经验，确定代理模型的输入变量和输出变量；步骤二、根据步骤一确定的输入输出变量，采集相应的实际工业运行数据。先对数据进行预处理，剔除异常工况数据点，获得满足工业产品要求的数据点，形成合格的样本数据集；随机选取其中的2/3作为训练数据，剩余1/3的样本数据作为预测数据，用于后续的建模与预测；步骤三、根据选取的输入变量和输出变量的具体个数，通过经验公式计算获得相应BP神经网络的隐含层节点数，确定其网络拓扑结构；步骤四、运用Levenberg‑Marquardt学习算法对训练数据进行学习与训练，获得BP神经网络模型参数，并用预测数据进行验证，得到有效的神经网络权值和阈值，获得能正确描述PX氧化反应生产过程产物浓度及其他关键性能指标的代理模型；步骤五、将实时运行数据经过预处理后输入到代理模型中，获得相应的产物浓度及其他关键性能指标的预测值。