基于复杂因果关系模型的特征选择新方法及其在蜡油加氢工业装置上的应用

复杂因果关系模型的特征选择方法是当前人工智能领域的难点问题，开发新的特征选择方法对于因果关系模型的发展意义重大。以蜡油加氢工业装置为研究对象，针对模型涉及输入原料性质、操作参数等自变量特征和输出因变量特征精制蜡油硫含量之间复杂的因果关系，综合考虑输入变量两两之间的关系和输入变量与输出变量之间的关系筛选出合适的特征。首先，分别求出自变量特征之间和自变量与因变量之间的相关关系；其次，设计阈值和判别函数，将自变量、因变量结合起来，综合考虑两类变量之间的关系，最终将蜡油原料馏程中的初馏点筛选出来并剔除。相比传统的相关性特征选择方法，新筛选特征模型预测精制蜡油硫质量分数的平均绝对误差(MAE)减少62.97μg/g,平均相对误差(MRE)减少2.02百分点，决定系数R²增加0.395,充分说明了新特征筛选方法对复杂因果关系模型的有效性。