人工神经网络-基团键贡献耦合模型预测煤液化油的偏心因子_中国煤炭行业知识服务平台

人工神经网络-基团键贡献耦合模型预测煤液化油的偏心因子

作者

毛学锋
单位

煤炭科学技术研究院有限公司煤化工分院煤炭资源开采与洁净利用国家重点实验室国家能源煤炭高效利用与节能减排技术装备重点实验室
摘要

为探索预测煤直接液化油窄馏分的偏心因子的新方法,建立了基于人工神经网络-基团键贡献耦合模型(ANN-GBC),以煤直接液化油包含的45个基团键和常压沸点(T_b)共46个参数作为该模型的输入参数,研究了煤直接液化油15个窄馏分的偏心因子与分子结构之间的相关性。结果表明,通过计算20个模型化合物的偏心因子,表明ANN-GBC模型具有较好的模拟推算功能,计算值与理论值平均相对误差均在2.5%以下。偏心因子ω随蒸馏切割馏分温度的升高而增大,ANN-GBC模型预测值普遍高于Watanasiri、NEDOL关联式的计算值。380℃馏分ω偏差较大;针对>420℃馏分,因仅能定性定量分析其中20%物质,不同物质的含量差异导致个别结果的跳跃,ω偏差较大。
关键词

煤直接液化油人工神经网络-基团键贡献耦合模型窄馏分偏心因子常压沸点
基金项目(Foundation)

国家重点研发计划资助项目(2016YFB0600303)；
相关文章

[1]煤液化油窄馏分临界性质的研究(Ⅱ)假临界压力
相关专题

这篇文章属于煤液化技术（32篇）