基于机器学习的多目标产物工艺调控方法及系统

本发明提供了一种基于机器学习的多目标产物工艺调控方法及系统，涉及机器学习技术领域。所述调控方法通过收率结果将原始数据集分类为MG、EG、ET三类，通过SMOTE改进方法提高模型分类预测的准确性；基于SHAP方法和部分依赖分析，探讨了不同输入特征结果的相对重要性程度，以及对DMO加氢工艺不同产物正负相关性影响与影响趋势；将通过输入特征数据得到的分类结果返回到APR2‑ML回归器中，采用APR2‑ML模型结合遗传算法对不同目标产物的收率进行优化，对催化剂特征参数和反应条件进行改进，能够筛选出最优催化剂；应用该模型从全局优化空间中能够搜索出DMO加氢制MG，EG，ET性能最好的新型催化剂，实现了多目标产物工艺的催化剂多目标优化。