​

写在前面

本人曾参加2020年数学建模国赛（优胜奖）以及2021年数学建模国赛（全国二等奖），并两次担任了队长，主要负责建模和代码，也承担部分写作任务。在建模之前也看了网上的很多优秀论文，但这些论文是国一中最优秀的那一批论文，离大部分人都过于遥远，个人认为，一些“不那么优秀的论文”反而更有指导意见，秉承着开源共享的精神，把论文，代码以及答辩PPT开源，供大家学习，一些论文中不正确的地方，也欢迎大家批评指正。

非常感谢队友在三天内的积极配合与协助！

​

论文：

链接：pan.baidu.com/s/11a2ShxAF…
提取码：abcd

摘要

本文对不同催化剂组合和温度下的乙醇转化率与C4烯烃选择性进行研究。首先建立不同催化剂组合和温度下的多种模型，再根据

R

2

和平均误差评判各种模型的优劣，最后计算出满足条件的最优解。

对于问题一，首先分析乙醇偶合制作烯烃的机理，根据化工反应动力学中的阿累尼乌斯方程，构建乙醇转化率与温度的模型，所得模型的

R

**

2

均在0.9以上。对于烯烃选择性与温度的关系，通过对比线性模型、多项式、三角函数模型、有理函数模型的拟合结果，最终选择多项式模型，所得

R

---

2

均在0.9**以上。

对于问题二，通过分析不同条件下的乙醇转化率与烯烃选择性，利用随机森林和岭回归算法构建回归模型。通过随机森林可以计算不同因素对结果的重要性，对乙醇转化率，变量的重要性排序为温度、HAP质量、乙醇浓度、Co负载量、装料方式、装料比；对C4烯烃选择性，变量的重要性排序为温度、HAP质量、Co负载量、乙醇浓度、装料比、装料方式，且通过预测得到了各自变量与因变量的关系曲线。通过岭回归算法的模型数据可以给出不同因素对结果影响的方向性，其中温度、HAP质量与乙醇转化率为正相关、其余为负相关。

对于问题三，根据问题二所得岭回归模型，可以得出收率的多元非线性模型，对比其与BP****神经网络模型优劣，最终选择多元非线性模型。该模型的

R

**

2

为0.86**、平均误差为****2%。利用遗传算法可得在附件一所给的催化剂范围和温度范围内收率的最优解为50.69% （乙醇转化率为90.6319%， C4烯烃的选择性为55.93%）。此时的催化剂和温度组合为 406mg 0.5wt%Co/SiO2- 200mg HAP-乙醇浓度0.3ml/min，450摄氏度，装料方式为A。

若使温度低于350摄氏度，所得收率最优解为20%，此时的催化剂和温度组合为406mg 0.5wt%Co/SiO2- 200mg HAP-乙醇浓度0.3ml/min, 299摄氏度。

对于问题四，本研究采用多个模型分别求解多个最优值。三个模型分别为：随机森林、AdaBoost回归、岭回归。增加的实验中的催化剂组合和温度可以对应五个最优解所用的条件，用于验证最优解；也可以针对某一最优解对其中的参数进行细微调整增加实验用以验证最优解条件的准确性。除岭回归结果外其余最优解为：160mg 1wt%Co/SiO2-160mg HAP-乙醇浓度0.6ml/min，温度为400℃/380℃，装料方式为A；155mg 1wt%Co/SiO2-155mg HAP-乙醇浓度0.6ml/min,温度为380℃，装料方式为A。

关键词：乙醇制备烯烃 回归模型 随机森林 岭回归 多元非线性模型 BP****神经网络

代码：

链接：pan.baidu.com/s/1nm2am9P8…
提取码：abcd

包括matlab，python

答辩PPT

链接：pan.baidu.com/s/1cOmeaFpA…
提取码：abcd

​

​