[发明专利]基于生产数据的汽油辛烷值预测方法

权利要求书

1.一种基于生产数据的汽油辛烷值预测方法，其特征在于，包括以下步骤：

步骤一、通过催化裂化汽油精制脱硫装置采集数据；

步骤二、对采集到的数据进行预处理；

步骤三、通过改进的Boruta算法进行特征选择，并将特征子集划分训练集和测试集；

步骤四、通过训练集确定XGboost模型的参数；

步骤五、对XGboost模型预测结果进行评估。

2.如权利要求1所述的基于生产数据的汽油辛烷值预测方法，其特征在于，步骤一中的数据包括多个样本，每个所述样本包括原料数据和运行变量数据。

3.如权利要求2所述的基于生产数据的汽油辛烷值预测方法，其特征在于，所述样本的数量为325个样本，每个所述样本包括的原料数据具有11个特征，以及包括的运行变量数据具有354个特征。

4.如权利要求1所述的基于生产数据的汽油辛烷值预测方法，其特征在于，步骤二中的预处理包括删除超出变量范围的异常数据，删除缺失值大于百分之30的字段，缺失值小于百分之30的字段使用平均值填充，根据拉伊达准则去除异常值。

5.如权利要求1所述的基于生产数据的汽油辛烷值预测方法，其特征在于，在步骤三中，通过多次循环标记得到最优特征子集，将原料数据和运行变量数据的最优特征子集合并，然后将该数据集划分为训练集和测试集。

6.如权利要求1所述的基于生产数据的汽油辛烷值预测方法，其特征在于，在步骤四中，通过对模型中的9个参数进行网格搜索法选取最优参数。

7.如权利要求6所述的基于生产数据的汽油辛烷值预测方法，其特征在于，使用拟合优度R2、均方误差MSE和平均绝对误差MAE作为评估指标，选取最优参数，

式中：m是样本的个数，代表预测数据，y_i代表真实数据，代表真实数据的平均值。

8.如权利要求7所述的基于生产数据的汽油辛烷值预测方法，其特征在于，在步骤五中，采用训练好的XGboost模型对测试集进行辛烷值的预测，将预测数据同真实数据进行误差计算，误差计算采用拟合优度R²、均方误差MSE和平均绝对误差MAE作为评估指标，输出结果并保存模型。