公开(公告)号：CN112560930B

公开(公告)日：2024-01-19

申请号：CN202011450056.9

申请日：2020-12-09

Applicant: 上海海事大学

Inventor： 李真 ,  宋安军 ,  刘慧 ,  李中耀

IPC: G06F18/214 ,  G06Q10/04

Abstract: 本发明提供一种基于生产数据的汽油辛烷值预测方法。预先采集汽油脱硫装置的数据，并对该数据进行预处理。根据预处理后的生产数据特征集，通过使用Boruta算法进行特征选择，并在创建阴影特征时按照比例P对阴影特征进行随机重排，并通过多次循环标记得到最优子特征，最后使用XGboost模型，对汽油辛烷值进行预测。基于生产数据的汽油辛烷值预测方法将机器学习算法模型应用于化工生产领域，通过改进的Boruta算法来提取特征，在提高了运行效率的同时，提取出了所有重要的特征且保留特征的独立性，在特征提取的基础上使用XGboost模型准确预测汽油辛烷值。

公开(公告)号：CN112560930A

公开(公告)日：2021-03-26

申请号：CN202011450056.9

申请日：2020-12-09

Applicant: 上海海事大学

Inventor： 李真 ,  宋安军 ,  刘慧 ,  李中耀

IPC: G06K9/62 ,  G06Q10/04

Abstract: 本发明提供一种基于生产数据的汽油辛烷值预测方法。预先采集汽油脱硫装置的数据，并对该数据进行预处理。根据预处理后的生产数据特征集，通过使用Boruta算法进行特征选择，并在创建阴影特征时按照比例P对阴影特征进行随机重排，并通过多次循环标记得到最优子特征，最后使用XGboost模型，对汽油辛烷值进行预测。基于生产数据的汽油辛烷值预测方法将机器学习算法模型应用于化工生产领域，通过改进的Boruta算法来提取特征，在提高了运行效率的同时，提取出了所有重要的特征且保留特征的独立性，在特征提取的基础上使用XGboost模型准确预测汽油辛烷值。