Multi‐stage intelligent operation optimization for a hydrocracking fractionation system with a multi‐fractionator series‐parallel structure
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A fractionation system is an essential unit in the hydrocracking process. Its optimal operation is challenging because of the complexity in the structure of the distillation tower and composition of the stream. In addition, the series‐parallel structure between the distillation towers of different techniques aggravates the coupling and complexity of the hydrocracking fractionation system (HFS). This, in turn, increases the time complexity of the optimization problem. In this paper, a rigorous mechanism model of an actual HFS is first applied to describe the operating conditions of the HFS. Then, an improved state transition algorithm (STA) with a staged evaluation strategy is proposed to solve the above problem. To overcome problems caused by the series‐parallel structure of HFS, the model is divided into multiple stages for evaluation by mechanism analysis. Furthermore, several typical convergence estimation criteria are introduced to reduce unnecessary model calculations. To solve time‐consuming problems associated with HFS optimization, the adaptive change operator is used to improve the search function of the original algorithm and two performance criteria are presented to reduce the optimization time. The proposed algorithm is successfully applied to the operational parameter optimization problem of HFS with a multi‐fractionator series‐parallel structure. The experimental results indicated that the staged evaluation strategy improved the fast convergence probability of the HFS mechanism model and reduced unnecessary calculations, whereas the improved algorithm increased accuracy and significantly decreased optimization time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle