论文部分内容阅读
催化裂化数学模型的建立通常有两种，一种是基于Blanding方程的关联模型；另一种是基于集总反应动力学的集总模型。当它们应用于实际装置时需要针对具体装置进行校正。人工神经网络模型具有自学习、自校正的特点，可用来处理数据不准确以及高度非线性和高度复杂的问题。利用神经网络理论建立了用于预测催化裂化产品产率的神经网络模型。利用它不仅能够根据反应条件较准确地预测产品的产率；当其用于装置的模拟优化控制中时，还可以不断地根据装置的实际数据对模型进行校正，从而动态地跟踪模拟实际装置，较好地实现装置的实时优化控制。