基于原油性质的直馏沥青性质智能预测模型研究于子浩，郭小圣，陈博（中石化（大连）石油化工研究院有限公司，辽宁省大连市１１６０４５）摘要：介绍了采用ＸＧＢｏｏｓｔ算法模型对直馏沥青性质的数据处理及模型预测建立的过程。以炼油企业常减压装置运行数据、原油评价数据为基础，结合生产经验扩展数据特征，对收集到的１２８条沥青产品分析数据建立数据驱动的回归模型，利用梯度提升树模型充分挖掘原油性质与沥青性质间的关联，智能预测沥青产品在不同目标针入度下的软化点、延度（１０℃）等关键指标性质，其中沥青软化点预测决定系数大于０．７７。经对比，拓展的数据特征能有效提高模型预测能力。同时分析了不同数据下模型预测的能力，随着数据的不断积累，模型预测潜力较大。该模型可为企业提供生产高标号沥青所需要的原油配比，协助企业优化全局生产流程，实现降本增效。关键词：原油性质直馏沥青性质智能预测模型特征扩增软化点预测延度预测ＸＧＢｏｏｓｔ直馏沥青产品具有生产工艺简单、成本低、性质可控等优点，可满足大部分道路的建设需求，占据了沥青市场的主要份额［１３］。同时，直馏沥青的生产还可优化渣油组分的平衡，有助于企业根据市场需求优化炼油厂加工流程［４］。生产高等级直馏沥青的关键在于筛选与调配适宜的原油品种及比例，实际生产中主要依靠实验数据与生产经验进行调度［５６］。由于蒸馏实验存在成本高、周期长、响应速度慢等问题，同时实际生产过程中原油品种多，后续流程复杂，故原油在储罐与管道中无法按实验比例混合，实验数据缺少拓展性与泛化性。在已有的使用数据驱动模型预测沥青性质的工作中［７８］，主要使用实验数据进行建模，由于实验数据成本高，数据少，无法发挥模型的预测潜力。随着企业数字化、信息化的发展以及人工智能算法的发展，隐藏在庞大的工业数据资源中的价值在被不断挖掘。该研究使用企业生产数据为基础，训练人工智能模型预测沥青产品的软化点、延度等性质，为企业直馏沥青生产与原油调合提供指导。１数据准备１．１数据收集收集整理了２０１６—２０２１年某沿海炼化企业沥青生产数据，包括沥青产品罐区ＬＩＭＳ（实验室信息管理系统）分析数据、加工原油台账、原油到港评价数据。其中，沥青产品数据共１２８条，包括密度、针入度、针入度指数、软化点、动力黏度（６０℃）、延度（１０℃）、蜡含量、闪点（开口）等１３个特征；到港原油评价数据包括１４种原油，共３９条快速...
