| 학회 |
한국화학공학회 |
| 학술대회 |
2022년 봄 (04/20 ~ 04/23, 제주국제컨벤션센터) |
| 권호 |
28권 1호, p.134 |
| 발표분야 |
[주제 2] 기계학습 |
| 제목 |
Machine learning-based integrative model for naphtha composition prediction |
| 초록 |
Naphtha는 석유화학 산업의 가장 기초가 되는 원료로 alkene 화합물과 방향족 화합물을 포함하여 다양한 화합물이 섞여 있는 탄화수소 혼합체이다. Naphtha 조성의 정확한 예측을 통해 효율적인 naphtha cracking center의 운전이 가능하지만 naphtha를 구성하는 성분이 다양하여 단일 모델을 통한 예측에 한계가 있다. 복합 모델은 다양한 알고리즘을 사용하여 서로 단점을 보완하고 예측 성능을 향상시킬 수 있어 예측해야 할 변수가 많은 데이터 세트에 효과적이다. 본 연구에서는 Deep neural network(DNN), Support vector regression(SVR), Random forest(RF) 등의 머신 러닝 알고리즘을 활용하여 naphtha의 조성을 예측하기 위한 복합 예측 모델을 개발하였다. 30개 이상의 다양한 naphtha 성분 중 18 개의 주요 예측 대상을 선정하였으며 각 변수에 대하여 DNN, SVR, RF를 적용하였다. 그 후 각 변수 별 가장 적합한 알고리즘들을 조합하여 복합 모델을 개발하였다. 개발된 모델의 성능은 단일 DNN 모델의 예측 성능과 비교하여 R2가 조성 별로 0.05~0.2 상승한 것을 확인할 수 있었으며 실제 공정에 적용할 때 정확한 조성 예측을 통한 효율적인 운전이 가능할 것으로 기대된다. |
| 저자 |
권혁원1, 주종효1, 이창용2, 이유민2, 박성문2, 조형태1, 김정환1
|
| 소속 |
1한국생산기술(연), 2한화토탈 |
| 키워드 |
공정시스템(Process Systems Engineering) |
| E-Mail |
|
| 원문파일 |
초록 보기 |
