乙醇偶合制备C4烯烃的研究与优化方案

摘要

在当今能源紧张、原油价格高昂和市场需求不断增加的时代之下，虽然C4烯烃作为一种传统民用液化石油气，但仍能够短暂解决目前市场供需关系不对等的情况。另外，C4烯烃还广泛应用到化工产品、新能源的开发、高端聚烯烃材料的合成以及医药的生产等领域。目前，我们把乙醇作为生产C4烯烃的原材料，通过加入不同的催化剂组合与改变温度作为自变量，以达到增大C4烯烃的选择性和提高收率目的，实现乙醇催化偶合生产C4烯烃的意义和价值。

针对问题一，首先分别选取几组数据，画出乙醇转化率、C4烯烃选择性与温度的散点图，大致判断是否存在明显的线性相关。结合附件的数据特征，建立多元回归分析模型，根据各组数据变化特征选择适当的函数模型。通过无量纲化处理数据，整理出附件1数据可画出散点图，由图可知，乙醇转化率、C4烯烃选择性与温度的关系呈线性。根据所整理所得的数据和皮尔逊分析法，建立多元回归数学模型，绘制出乙醇转化率、C4烯烃选择性与温度的线性图，得出乙醇转化率、C4烯烃选择性总体上与温度呈现正相关的结论。另外，分析350度时给定的催化剂组合在一次实验不同时间的测试结果、各指标的相关性，将附件2数据导入SPSS进行相关性分析并求出两两指标之间的皮尔逊系数。

针对问题二，将附件1中催化剂组合拆分为多个独立的变量，此外加上温度这一变量，并对其进行描述性统计和无量纲化处理，和问题一类似，使用SPSS计算出各变量之间的皮尔逊系数，进而通过变量聚类法利用协方差矩阵画出聚类图，继而观察出各变量对乙醇转化率、C4烯烃选择性的影响。通过表2-3乙醇转化率、C4烯烃选择性与自变量的相关程度，我们得出结论：不同催化剂及温度组合中，乙醇的倒入速率对乙醇转化率影响最大，具有高度相关；Co 负载量和乙醇的倒入速率对C4烯烃选择性影响最大，具有高度相关。

针对问题三，由问题二已经把不同催化剂组合和温度拆分为五个单独的自变量，为了提高运算速率，我们引入粒子群算法和神经网络算法。对附件问题1-1的数据进行分析，确定在固定约束条件下的最优排列组合，从而输出最大化的C4 烯烃收率；在此基础上，附上温度低于350度的约束条件，其他变量不改变的情况下，输出最大化的C4 烯烃收率。

针对问题四，实验条件不变的前提下，对实验在进行加试5次，如何设计实验才能使C4 烯烃收率最大化，在问题三的基础上，我们已经采用粒子群算法和神经网络算法求解，确定好在固定约束条件下的最优排列组合，只需要选出优化后的排列组合的最前面5组，将5组的数据作为实验的原始数据，输出的结果仍然是最大化的C4 烯烃收率。

最后，对模型中运用的方法进行了科学性分析，并讨论了模型的优缺点，合理地对模型进行工业推广，考虑到实际应用，还需要进行适当的改进，并提出了一些优化策略。

关键词：皮尔逊分析法 变量聚类法 多元回归 粒子群算法 神经网络

一、问题重述

在能源紧缺的时代大背景下，在新能源尚未广大普及时，作为传统的液化石油气的C4烯烃仍然是许多老百姓首选的目标。而乙醇作为C4烯烃生产制备的原料，在制作过程中，生产商家为了尽可能把乙醇更多地转化为C4烯烃，常常会将生产条件多样化，例如：使用不同催化剂组合、改变温度等等。为此，我们通过改变对催化剂组合，研究乙醇催化制备C4烯烃的工艺条件，使的C4烯烃产率最大化，具有非常十分重要的意义和价值。

在某化工实验室里，针对不同催化剂组合在不同条件的温度下做了一系列实验，结果如附件1和附件2所示，问题如下：

对于问题一，在附件1的数据中，研究每一种催化剂组合中的乙醇转化率、C4烯烃选择性与不同温度的相关程度，同时还需要分析附件2中350 度时给定的催化剂组合在一次实验不同时间的测试结果；

对于问题二，将不同催化剂组合进行拆分，和温度组成多个单独的自变量，研究分别对乙醇转化率和C4烯烃选择性大小的影响；

对于问题三，上述中的问题二已经将不同催化剂组合进行拆分，并与温度组成多个单独的自变量，首先需要做的是将多个自变量进行排列组合，得到最优解，使得C4烯烃收率最高；求解完毕后加入一个“温度低于350度”的约束条件，在此基础上，继续寻找最优的排列组合，使得C4烯烃收率最高；

对于问题四，允许增加5次实验，寻求最优的排列组合，设计使得C4烯烃收率最高的方案。

二、问题分析

考虑到数据量较大，而且数据均为有量纲数据，我们首先需要对附件1、附件 2进行数据预处理，将后续程序中需要用到的数据另存为后缀为附件问题1的.xlxs文件。

对于问题一：首先散点图，由图判断是否存在明显的线性相关；结合数据特征，具体回归函数可以根据各组数据变化特征进行选择；再画出乙醇转化率、C4烯烃选择性与不同温度的散点图，由图得乙醇转化率、C4烯烃选择性与温度的关系呈线性；根据所整理所得的数据和皮尔逊分析法，建立多元回归数学模型，绘制出乙醇转化率、C4烯烃选择性与温度的线性图。另外，分析350度时给定的催化剂组合在一次实验不同时间的测试结果、各指标的相关性，将附件2数据导入SPSS进行相关性分析并求出两两指标之间的皮尔逊系数。

对于问题二： 将不同催化剂组合进行拆分，和温度组成多个单独的自变量，对数据进行描述性统计和无量纲化处理，使用SPSS计算出各变量之间的皮尔逊系数，进而通过变量聚类法利用协方差矩阵画出聚类图， 研究分别对乙醇转化率和C4烯烃选择性大小的影响。

对于问题三：已知催化剂组合和温度拆分为五个单独的自变量，利用引入粒子群算法对附件问题1进行数据分析，确定在固定约束条件下的最优排列组合，从而输出最大化的C4 烯烃收率；在此基础上，附上温度低于350度的约束条件，其他变量不改变的情况下，也可输出最大化的C4 烯烃收率。

对于问题四：实验条件不变的前提下，加试5次，我们如何设计实验才能使C4 烯烃收率最大化，在问题三的基础上，已经采用粒子群算法求解，确定好在固定约束条件下的最优排列组合，只需要选出优化后的排列组合的最前面5组，将5组的数据作为实验的原始数据，输出的结果仍然是最大化的C4 烯烃收率。