来源：期刊VIP网 时间：
作者：高暾;杨宸;于峰;张玮;张侃;
单位：太原理工大学化学工程与技术学院,化学产品工程山西省重点实验室;中国科学院山西煤炭化学研究所;
摘要：针对两段法甲醇制芳烃(MTA)工艺过程数据获取时间成本高、样本趋同、多样性差和数据信息间隔大等问题，提出一种基于虚拟样本生成技术结合遗传算法(GA)优化的极限学习机建模方法对该工艺重要产物苯、甲苯和二甲苯(BTX)的总收率进行预测。首先，以两段法甲醇制芳烃小试装置采集的数据样本为基础，利用多分布整体趋势扩散技术对模型输入数据进行扩充，再利用GA优化的极限学习机模型获取虚拟样本集合。对数据合理性进行检验后，利用原数据集合与虚拟数据集合融合建立BTX收率预测模型，采用MTA实验数据进行验证并与另外2种建模方法进行对比分析，结果表明，基于虚拟样本的建模方法拥有最优的精度表现，且该方法具有良好的稳定性，适用于甲醇制芳烃过程BTX收率预测。
关键词：甲醇制芳烃;产物含量预测;多分布整体趋势扩散技术;虚拟样本;极限学习机
基金资助：山西省重点研发计划(201903D121027); 中科院关键技术人才项目(YB2021001); 化学工程联合国家重点实验室开放课题(SKL-Ch E-21A01); 国家自然科学基金(22178241)
