“华为杯”研究生数学建模竞赛2020年-【华为杯】B题：降低汽油精制过程中的辛烷值损失模型（附优秀论文及Python代码实现）

目录

摘 要：

1. 问题背景与问题重述

1.1. 问题背景

1.2. 问题重述

2. 模型假设与符号系统

2.1. 模型假设

2.2. 符号系统

3. 问题一：样本及原始数据处理方法研究

3.1. 问题分析

3.2. 异常数据预处理

3.2.1. 异常采集时间处理

3.2.2. 异常值剔除

3.2.3. 缺失值处理

3.2.4. 数据预处理结果

3.3. 285 号和 313 号数据样本处理结果

3.4. 结果结论

4. 问题二：辛烷值损失模型主要变量筛选方法研究

4.1. 问题二分析

4.2. 问题二模型建立

4.2.1. 基于随机森林的操作变量特征筛选模型

4.2.2. 基于相关性分析的非操作变量特征筛选模型

4.3. 问题二模型求解

4.3.1. 操作变量特征筛选模型求解

4.3.2. 非操作变量特征筛选模型求解

4.3.3. 主要变量筛选结果

4.4. 特征筛选合理性验证

4.4.1. 信息熵理论—变量代表性分析

4.4.2. 相关性分析—变量独立性分析

4.5. 结果结论

5. 问题三：辛烷值(RON)损失预测方法研究

5.1. 问题分析

5.2. 模型准备

5.2.1. 预测目标转换

5.2.2. 模型的交叉验证

5.3. 问题三模型建立

5.3.1. 基于多元线性回归的产品辛烷值预测模型

5.3.2. 基于随机森林的产品辛烷值预测模型

5.3.3. 基于 GBR 的产品辛烷值预测模型

5.4. 问题三模型求解

5.4.1. 基于多元线性回归的产品辛烷值预测模型求解

5.4.2. 基于随机森林的产品辛烷值预测模型求解

5.4.3. 基于梯度提升回归法的产品辛烷值预测模型求解

5.5. 模型验证与结果分析

5.6 结果结论

5.7 敏感性分析

6. 问题四：主要变量操作方案优化方法研究

6.1. 问题分析

6.2. 模型准备

6.3. 问题四模型建立

6.4. 问题四模型求解

6.4.1. 和声搜索算法介绍

6.4.2. 算法关键点设计

6.4.3. 求解结果

6.5 对比分析

6.6 结果结论

7. 问题五： 模型可视化展示

7.1. 问题分析

7.2. 产品性能层可视化

7.3. 操作方案层可视化

7.4. 内在关联层可视化

8. 模型的评价与推广

8.1. 模型的评价

8.1.1. 模型的优点

8.1.2. 模型的缺点

8.2. 模型的推广

参考文献

代码实现

 数据预处理

 产品辛烷值预测

 主要变量操作方案优化

 可视化展示

---

摘 要：

现有技术在对汽油进行催化裂化过程中，普遍降低了汽油辛烷值，故对汽油精制过程

进行有效建模，具有重要的研究价值。本文从理想到实际，逐步按需建立了降低汽油精制

过程中的辛烷值损失模型，对题目所给出的问题进行快速有效求解。

针对问题一，对 285 号和 313 号数据样本的原始数据进行处理。首先，结合汽油精制

工业背景对原始数据和样本数据进行分析&