1. 研究目的与意义（文献综述）

本论文基于数据挖掘技术的神经网络法，对催化重整反应进行模拟优化。研究目的是通过应用人工神经网络技术，建立催化重整反应过程操作变量与反应产物的映射模型，并应用优化方法找到优化操作条件，提高催化重整反应过程的产品质量和收率，提高经济效益。

催化重整是石油炼制与化工的关键技术，加热、氢压和催化剂存在的条件下，使原油蒸馏所得的轻汽油馏分（或石脑油）转变成富含芳烃的高辛烷值汽油（重整汽油），并副产液化石油气和氢气的过程，是现代炼油和石油化工的支柱技术之一。重整汽油是高辛烷值汽油调合组分，在欧美等发达国家的汽油池中已达到1/3；重整芳烃是化纤、塑料和橡胶的基础原料，其产量占全球芳烃产量的70%以上；重整氢气是廉价氢源，其产量占炼化企业氢气需求量的50%以上。因此，催化重整的发展关系到国计民生^[1,2,3,4]。

对于以生产高辛烷值汽油为目的的催化重整工艺，其汽油质量的预测以及据此优化调整操作点显得尤为重要。炼油装置收率预测的建模方法有很多。如集总模型、人工神经网络、统计回归方法、δ-base法等。目前国内外比较成熟的汽油辛烷值预测模型是莫比尔公司的13集总催化重整模型。但由于此模型中的动力学参数需要经过一些严格的动力学实验才能测定，这在实际应用中很难做到，并且13集总模型的计算量大，难以满足仿真器的实时性要求。虽然汽油的收率很难从反应器的机理模型中计算出来，但是人们在催化重整企业的生产实践过程中积累了大量的经济数据。因此，催化重整产品收率预测的数据挖掘对整个炼化企业的利润预测及生产方案的增效分析都有十分重要的意义^[5,6,7,8,9]。

2. 研究的基本内容与方案

（1）基本内容

1. 学习人工神经网络技术，matlab语言编程的基本方法，了解催化重整工艺。

2. 应用人工神经网络技术，建立催化重整反应过程操作变量与反应产物的映射模型。

3. 研究计划与安排

（1）第3～4周：查阅相关文献资料，明确研究内容，了解研究所需相关资料，确定方案，完成开题报告；

（2）第5～6周：在文献系统调研的基础上，对实际操作数据进行筛选、降维等预处理。

（3）第7～8周：学习人工神经网络、学习算法以及优化方式；

4. 参考文献（12篇以上）

[1] 刘鹏飞. 半再生催化重整全流程模拟与优化[d]. 大连理工大学, :2015.

[2] 张世方. 催化重整工艺技术发展[j]. 中外能源, 2012,06.

[3] 马爱增. 中国催化重整技术进展[j]. 中国科学:化学, 2014,01.