乙醇偶合制备C4烯烃的催化剂组合及温度条件的优化设计

乙醇偶合制备C4烯烃的催化剂组合及温度条件的优化设计

崔佳祯,杜玉鑫,王拓丁

河北工程大学  056000

摘要

C4烯烃的应用常见于药品生产或者化工领域，C4烯烃的生产需要运用乙醇，而且，生产期间需要应用催化剂，并设计合适的问题，所以催化剂的选择以及温度条件的变化就会干预C4烯烃的选择性以及收率，为保障生产C4可以达到最佳的选择性以及收率，就需要对比不同催化剂以及温度标准，然后做出最佳的方案选择。

关键词：C4烯烃  催化剂  优化设计

1.引言

C4-烯经作为一种重要的化工原料，在工业与医学上应用广泛。传统制备方法多通，过化石能源提炼制备，然而随着资源的日益短缺，加上环境污染的日益严重，寻找新型制备方法代替传统制备逐渐变得尤为重要。寻找到最佳的催化剂组合及温度条件具有非常重要的意义和价值。

现需要建立相应的模型与算法解决下列问题：

（1）对每种催化剂组合，分别研究乙醇转化率、C4烯烃的选择性与温度的关系，并对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进行分析。

（2）分析更改催化剂以及温度是否会干预乙醇转化率指标变化以及对C4·烯经选择性，产生的影响。

（3）探究实现最优C4烯经收率需要设置的催化剂以及温度条件。若使温度低于350-度，又如何选择催化剂组合与温度，使得C4烯烃收率尽可能高。

2问题分析

2.1问题的分析

要找自变量的影响大小，首先想到的是多元线性回归模型，通过建立模型可以很快得到自变量对于因变量的作用影响大小。

然而，在观察过所给数据后，认识并预测到在建立线性回归模型的过程中有很大可能会遇到多重共线性的问题，所以在问题的解决过程中，致力于解决多重共线性对于模型的影响，这里采用了岭回归模型在不剔除自变量的情况下最大程度降低多重共线性的影响。

为了进一步佐证所得结果的准确性，同时还建立了神经网络模型，来进行一个结果的对比，从而达到更为准确的综合评判各自变量影响大小的目的。

3.基本假设

1、假设乙醇转化率与C4-烯经选择性仅与题中给的催化剂组合及温度有关。

2、忽略化学反应中的吸热放热过程，假设在反应过程中可以始终保持温度不变。

4 模型的建立与求解

4 . 1 问题的模型建立与求解

通过对附件一中数据的观察，可以大致将催化剂组合分成四种影响要素：Co/Sio2 质量、HAP 质量、乙醇浓度及 Co 质量。所以这里对其进行拆分，以作为后续模型建立的自变量。

为了保证尽可能准确的找到自变量与因变量之间的影响大小关系，想通过建立回归模型以及神经网络模型两种模型来综合评判自变量对于因变量的影响。以下为研究问题二的过程。

4.1.1回归模型的建立

1、多重共线性的判断

多重共线性是指在线性回归模型里自变量与自变量之间存在着很强的纠缠关系，这可能会导致在建立模型时出现模型估计失真或难以准确估计的问题，甚至导致回归系数符号相反、自变量显著性变差等严重影响模型预测的问题。所以解决多重共线性，变得尤为重要。

通过对数据的观察，发现 Co/Sio2 的质量与 HAP 的质量高度相同， 所以预测在建立线性回归模型的过程中可能会遇到多重共线性的问题，所以在该环节结合自变量以及因变量分析对应的相关性以及共线性，然后做出模型中是否存在多种共线性的判断并进行处理。

可以得出自变量间的相关性指标多数都在0.5以上，其中 HAP 质量与Co/Sio2 质量更甚，相关系数甚至超过了 0.9，这就说明数据之间是存在着很强的纠缠关系的；并且通过图 5 可以知道，HAP 与 Co/Sio2 的 VIF 值均在 47 左右，容差则远小于 1，这也就进一步佐证了数据之间是存在多重共线性的。

2、岭回归模型的建立

因为存在多重共线性的问题，所以建立简单的多元线性回归模型是不可行去判断自变量对因变量的影响大小是相当不可靠的。所以这里想找一种能够降低多重共线性的方法来解决这个问题。

通过 Spss 软件建立岭回归模型。

R2 为 0.837，意味着设计形成的模型具备较强的数据拟合能力；F 统计量的值为 0.00，对应的显著性概率比 0.01小很多，因此结合这项数据，可以反驳总体回归系数为 0 的假设，可以印证修改后的自变量与因变量有非常明显的线性关系观点的真实性。

调整后 Co/Sio2 与 HAP 质量的容差分别提升到了 0.173 和 0.225，这也进一步说明了岭回归模型具有很好的解决多重共线性问题的能力。

验证完模型的可行性后，得到岭回归模型的结果：

Y1= 0.205X1 + 0.161X2 − 0.211X3 − 0.33X4 + 0.629X5(5.1)

X1:HAP 质量，X2:Co/Sio2 质量，X3：乙醇浓度，X4：Co 质量，X5：温度

4.1.2问题的结果分析

通过两种不同的模型分别得到了相应的自变量对于因变量的影响大小关系排列，发现结果相同，这也再一次佐证了岭回归模型得出的结果的正确性，为第三问的解答做好准备。

结果为：

乙醇转化率：

Co/SiO2 质量、HAP 质量和温度对乙醇的转化率起到正向促进作用，而每分钟倒入乙醇量以及 Co 的质量对乙醇转化率起反向抑制作用。

影响大小由低到高排列为：Co 质量、Co/Sio2 质量、HAP 质量、乙醇每分钟倒入量、温度。

C4 烯烃选择性：

温度、每分钟乙醇倒入量、Co/sio2 质量以及 HAP 质量对乙醇的转化率起着正向促进作用，而 Co 的质量对乙醇转化率起反向抑制作用。

影响大小由低到高排列为：每分钟倒入乙醇量、HAP 质量、Co 质量、Co/Sio2 质量、温度。

参考文献

[1]魏红燕：回归分析中多重共线性的诊断与处理[J].周口师范学院学报，2019，36（02）：11-15

[2]杨金日.永州市房地产金融风险特征和影响因素分析--基于岭回归方法的实证[J]金融经济，2019（22）：26-28.10.14057/j.cnki.cn43-1156/f.2019.22.012.

[3]马春龙施小清许伟伟任静华王佩 吴吉春?基于自组织神经网络的污染场地多监测指标相关性分析，[J]：水文地质工程地质，2021，48（03）：191-202.DOI：10.16030/j.cnki.issn.1000-3665.2020080014