基于RBF神经网络的辛烷值损失预测模型

辛烷值是燃料汽油的抗爆指标,对发动机零部件的使用寿命和车辆的安全性有重要影响.因此,准确预测汽油辛烷值是一项涉及安全的基础性工作;同时,在原油的资源利用和环境保护方面也具有重要意义.为了能够更好地预测辛烷值损失,本文提出一种基于RBF神经网络的辛烷值损失预测方法.首先,基于石油化工原始数据,对其进行异常值和缺省值筛选,利用最大信息系数(MIC)筛选与辛烷值损失相关性最大的变量,对数据特征进行初次降维,再根据变量之间的强耦合性进行二次降维,获得主要变量;然后,使用RBF神经网络建立辛烷值损失模型,对降维后的数据进行训练和测试.最后,通过实验对降维后的和辛烷值损失模型预测的结果进行分析评价,结果表明,本文提出的模型能够很好地预测辛烷值损失.