“华为杯”第十七届中国研究生数学建模竞赛-【华为杯】B题：降低汽油精制过程中的辛烷值损失模型（附优秀论文）

格图素书

已于 2023-04-30 17:22:06 修改

阅读量3.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：大数据竞赛赛题解析文章标签： python 数据挖掘机器学习

于 2023-04-30 08:26:42 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/getusushu/article/details/130446020

大数据竞赛赛题解析专栏收录该内容

599 篇文章 ¥49.90 ¥99.00

订阅专栏

该研究运用数据挖掘和机器学习技术，针对汽油精制过程中辛烷值损失问题，进行了数据预处理、特征筛选、模型建立与验证。通过最大相关—最小冗余特征选择（mRMR）和高斯核函数支持向量回归（rbf-SVR）模型，建立了辛烷值损失预测模型，并采用合作博弈论进行操作方案的建模与优化，实现了降低辛烷值损失的目标。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录

一、问题重述

二、基本假设

三、本题研究流程

四、数据处理过程与分析

4.1 数据分析与预处理

4.2 样本确定

4.3 小结与讨论

五、主要变量的筛选与合理性验证

5.1 符号约定

5.2 问题分析

5.3 主要变量筛选的模型建立

5.3.1 最大相关—最小冗余特征选择（mRMR）

5.3.2 增量特征选择与高斯核函数支持向量回归模型（rbf-SVR）建立

5.3.3 模型评估与合理性验证方法

5.4 主要变量筛选的模型求解与合理性验证

5.4.1 最大相关—最小冗余特征候选集求解

5.4.2 增量特征选择与高斯核函数支持向量回归模型的求解

5.4.3 合理性验证结果与分析

5.5 小结与讨论

六、辛烷值损失预测模型的建立与求解

6.1 符号约定

6.2 问题分析

6.3 数据分析与预处理

6.4 辛烷值损失模型的建立

6.5 辛烷值损失模型的求解

6.6 小结与讨论

七、操作方案建模与优化

7.1 问题分析

7.2 筛选样本数据，分析主要变量分布

7.3 基于合作博弈论，建立目标优化准则

7.4 基于优化策略，建立多目标优化模型

7.4.1 优化目标

7.4.2 约束分析

7.4.3 模型建立

7.5.1 主要变量分布密度函数求解

7.5.2 主要变量操作方案优化

7.5.3 模型合理性验证

7.6 小结与讨论

八、模型可视化与分析

8.1 问题分析

8.2 可视化分析

摘要：

辛烷值是反映汽油燃烧性能的重要指标，现有技术在对催化裂化汽油进行脱硫和降烯

烃过程中，普遍降低了汽油辛烷值，造成了辛烷值（ RON ）的损失。为在汽油精制过程中

进行优化操作，我们通过对其样本信息进行数据挖掘与模型建立，提供有价值的信息支持。

本文基于汽油精制过程中的样本信息数据，根据操作变量之间的高度非线性和相互强

耦联性，进行数据挖掘与分析。同时，根据数据宏观层面的规律性、微观层面的差异性，

了解本专栏

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

格图素书 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。