“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）

目录

摘 要：

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

 参考文献

 代码实现

 文件说明

---

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，

建立具有针对性的多个数学模型，并使用 R 2