HYDROCARBON PROCESSING: КОНТРОЛЬ ПРОЦЕССОВ ПРЕДВЫЧИСЛЕНИЯ ОКТАНОВЫХ ЧИСЕЛ БЕНЗИНОВЫХ СМЕСЕЙ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ E. <...> Shafiei, Сахандский Технологический Университет, г. Тебриз (Иран) Модели ANN более точные, чем регрессивные Оптимальная модель смешения бензина очень важна для эксплуатации и прогнозирования качества бензина. <...> Поскольку смешение на практике не следует идеальным правилам, были разработаны модели искусственной нейронной сети (artificial neural network – ANN), для определения исследовательского октанового числа (research octane number – RON) бензиновой смеси производимой на нефтеперерабатывающем заводе г. Тебриза (Иран). <...> В разработанных моделях ANN в качестве вводных переменных используются показатели объема шести фракций бензина, наиболее часто используемые в производстве, помноженные на их октановые числа. <...> Результаты показали, что с помощью модели ANN; смешение бензина прогнозировалось лучше, чем при использовании модели регрессии, судя по более высокому показателю R2 (0,9812 против 0,9495), более низкому показателю MSE (величина среднеквадратичной ошибки) (0,0094 против 0,0294) и более низкому показателю AARE1 (0,910 против 0,1799). <...> В литературе было обсуждалось несколько моделей расчета октановых характеристик смеси. <...> Хорошо известный в промышленности метод Ethyl RT-70 моделирует нелинейность смешивания через различие между октановыми числами топлива, найденными моторным и исследовательским методами (RON–MON), и содержание олефинов и ароматических углеводородов в компоненте [2, 3]. <...> Однако вместо нормальных чисел MON и RON использовались октановые числа смеси (blend octane number – BON), что позволяло таким образом учитывать нелинейность модели. <...> Zahed и другие ученые, представили полиноминальную модель прогнозирования числа RON смеси в пятикомпонентных смесях [7, 8, 9]. <...> Не так давно модель ANN была использована Пасадакисом и Мэрти для прогнозирования октановых характеристик бензиновых смесей, исходя из объемных долей потоков, используемых <...>