一种基于Stacking算法的乙烯裂解炉炉管结焦智能诊断方法

为提高炉管结焦诊断的准确度,提出一种基于Stacking算法的炉管结焦智能诊断方法。该方法首先利用多重层次聚类算法实现了对炉管外表面温度的精准计量;然后融合相关性度量和网格搜索算法,实现了基学习器和次级学习器的最优组合;最后构建了基于支持向量机、朴素贝叶斯、径向基函数神经网络、逻辑回归和随机森林的炉管结焦诊断模型。对比实验表明,基于Stacking算法的炉管结焦诊断模型的准确率(99.82%)、有效性和稳定性比使用单一的基于学习器SVM、朴素贝叶斯、RBF和LR算法训练的结焦诊断模型均有一定程度的提高。因此,本文方法可为乙烯生产过程中裂解炉炉管结焦程度的判断提供可靠依据。