一种基于集成学习算法的催化裂化装置原料性质软测量建模方法

一种基于集成学习算法的催化裂化装置原料性质软测量建模方法，涉及流程工业过程软测量技术领域。以Stacking集成学习算法为基础，将蒸馏曲线模型与数据驱动模型串联，提出一种可用于催化裂化原料油性质的软测量建模方法，该方法能够实时、全面、准确地预测催化裂化装置原料的馏程点、比重、残炭值及PONA值等性质的优点，克服现有软测量模型对原料性质预测结果单一的缺点，更能满足工业上优化控制的需求。实施案例表明，本发明的软测量模型相较于传统机器学习方法的预测结果更准确，各馏程点的平均绝对百分比误差均小于2%，软测量模型能够实现对于催化裂化装置原料性质实时、准确、全面地预测。