首页|基于粒子群优化算法改进的XGBoost模型制备C4烯烃工艺条件优化

基于粒子群优化算法改进的XGBoost模型制备C4烯烃工艺条件优化

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
C4烯烃是生产清洁友好燃料等化工产品的重要原料,提升C4烯烃收率,增大C4烯烃产量是生产过程重要的目标之一.针对乙醇偶合制备C4烯烃这一化学反应样本数量多、特征数量少等特点,提出一种组合模型——粒子群优化(particle swarm optimization,PSO)算法改进的XGBoost模型.首先,将XGBoost模型与数据的拟合效果作为粒子群算法的目标函数,通过粒子迭代确定XGBoost模型的最优超参数;其次,通过对变量设置一定的步长构造仿真数据.最后,将优化后的XGBoost模型与仿真数据进行拟合,拟合优度由76％提升至93％.根据预测结果确定了C4烯烃的最大收率和最佳反应条件,得到C4烯烃收率的最大值为43.52％.实验结果表明,改进后的XGBoost模型在误差和精度方面都优于原始模型.
Optimization of Processing Conditions for C4 Olefin Production Based on Particle Swarm Optimization Algorithm Improved XGBoost Model

徐博涵、阮敬

展开 >

首都经济贸易大学统计学院,北京100070

C4烯烃收率 XGBoost 粒子群优化算法 超参数优化

首都经济贸易大学北京市属高校基本科研业务费专项

QNTD202109

2023

科学技术与工程
中国技术经济学会

科学技术与工程

CSTPCD北大核心
影响因子：0.338
ISSN：1671-1815
年,卷(期)：2023.23(5)
  • 1
  • 11