乙醇偶合制备C4 烯烃模型研究

胡泽浩，宋超，李佳音，曹馨，胡源震

江西应用科技学院2019级智能科学与技术本科专业 江西南昌 330100

摘要：C4 烯烃广泛应用于化工产品及医药的生产，乙醇是生产制备 C4 烯烃的原料。在生物乙醇近年来得到蓬勃发展，由乙醇制备低碳烯烃得到广泛关注。 我们在相关性分析的基础上，选用灰色关联度综合评价方法对不同催化剂组合及温度进行分析，把同一温度，不同催化剂组合、不同装 料方式，构成多个新的矩阵，代入对应分析模型进行分析，用 Anaconda 进行 数据 分析，在 Jupyter Notebook 上建立灰色关联度模型，通过设置不同矩阵进行 分析，得到关联度大小并进行量化关系，结果见正文图 6，我们得出温度越高， 乙醇转化率越高， C4 烯烃选择性越强；而在不同催化剂组合中，我们得出Co/SiO2 含量和 HAP 含量越高，乙醇转化率越高， C4 烯烃选择性越强的结论。另外，石英砂会大幅降低乙醇转化率和 C4 烯烃选择性。 关键词：乙醇；C4 烯烃；模型；相关性分析；灰色关联

一、问题重述

乙醇及 C4 烯烃作为重要的化工原料，被广泛的应用于化工产品及医药中间体的生产。传统的生产方法均采用化石能源为原料，但随着化石能源产量的短缺及对环境影响的加重，能源的供给逐渐趋向于多元化，开发新型的清洁能源显的愈加紧迫。我们讨论不同催化剂组合和温度对乙醇转化率和 C4 烯烃选择性的影响。

二、问题分析

2.1问题一的分析

选择灰色关联综合评价法和模糊综合评价法对不同催化剂组合和温度进行分析。相同的温度、不同的催化剂组合和不同的装填方式形成了多个新的矩阵， 这些矩阵被替换到相应的分析模型中进行分析。在 Jupyter Notebook上建立灰色关联模型，通过设置不同的矩阵进行分析，得到关联度并进行量化。

三、模型假设

1. 
   

2. 假设附件 1，2 的数据真实有效。

3. 假设所有温度波动都在一定范围内。

4. 假设某一时间内的催化效率稳定。

5. 假设 C4 烯烃的转化率不受外界因素的影响。

四、模型的建立与求解

4.1问题一的模型建立与求解

4.1.1模型分析

在相关性分析的基础上，选择灰色关联综合评价法和模糊综合评价法对不同的催化剂组合和温度进行分析，形成相同温度、不同催化剂组合和不同装填方式的多个新矩阵，将它们代入相应的分析模型进行分析，并使用 Anaconda 进行可视化分析，在 Jupyter 笔记本上建立灰色关联度模型。通过设置不同的分析矩阵，得到相关度并进行量化。

1. 
   

2. 整合原始数据矩阵。在构建评价指标体系的基础上，收集相应的数据，按照一定的标准对各指标进行排序，形成比较系列，记录如下:

式中，i = 1，2，3，…，n 为待评价模块的个数，j = 1，2，3，…，m 为每个

评价模块中的指标数。

2. 
   

3. 确定参考序列。在评价指标一致后，根据具体的评价标准和指标属性选择合适的数据，形成参考序列，记录为:

4. 指标的无量纲处理。无量纲化可以消除指标之间的量纲和数量级差异，确保指标的可比性。

4. 
   

5. 计算灰色关联系数。比较序列 C 和索引上的参考序列之间的相关系数定义为:

表 1 简单相关性分析

对统计指标进行分析，并对统计指标进行总体描述分析。首先，我们测试相关变量之间是否存在统计显著关系。结果表明，这两个变量之间存在着相关性， 这证明了在没有控制变量的情况下直接进行相关分析是不合理的，因此偏自相关分析是合理的。

表 2 关联系数结果表

结合上述相关系数结果进行加权处理，得到最终的相关度值，用相关度值对两个评价对象进行评价和排序；相关值介于 0-1 之间。值越大，其与“参考值”

（父序列）之间的相关性越强，即其评估值越高。从上表可以看出，在两个评价项目中，乙醇转化率（%）最高，其次是 C4 烯烃选择性（%）。

综上所述，不同催化剂组合和温度对乙醇转化率和 C4 的影响在不同催化剂

组合的情况下，温度越高，乙醇转化率越高，C4 的烯烃选择性越强；而在不同催化剂组合中，Co 负载量过高或者过低，则乙醇转化率越低， C4 烯烃选择性越弱；Co/SiO2 含量和 HAP 含量越高，乙醇转化率越高， C4 烯烃选择性越强。另外，石英砂会大幅降低乙醇转化率和C4 烯烃选择性。

5. 
   

6. 模型的优缺点

5.1模型的优点

1. 
   

2. 模型建立的清楚明确，多处运用图表，形象生动。

3. 模型建立有数据支撑，合理利用了数据信息，得到的结果更容易的避免一些偶然性。

4. 运用了简单的优化模型，结合题目中给出的条件确定最优解，处理起来较于简单便捷。

5.2模型的缺点

1. 
   

2. 建立的模型过于简单，数据找的不够多，可能导致最终结果与真实值发生些许误差。

3. 模型考虑的因素不是很全面，可能存在一些偶然现象和误差与最终结果还有一点差异。

5.3模型的改进

1. 
   

2. 在建模时，计算各种变化的数据进行合理性的处理，使模型求出的数据更加符合实际情况。

3. 在时间的允许下，我们可以再寻找更多数据，减少结果与真实值产生的误差现象。

六、参考文献

1. 
   
   1. 
      

   2. 崔学桂，张树永，贝逸翎，等. 综合化学实验充满生机和活力[J]. 实验技术与管理，2006, 23(1): 20–21.

   3. 卓金武. MATLAB 在数学建模中的应用. 北京：北京航空航天大学出版社，2011.

1. 
   
   3. 
      

   4. 李振宇，王红秋，黄格省，等. 我国乙烯生产现状与发展趋势分析[J]. 化工进展， 2017, 36(3): 767–773.

   5. 雷功炎. 数学模型讲义. 北京：北京大学出版社，2004.

1. 
   
   5. 
      

   6. 姜启源，谢金星，叶俊. 数学模型. 第三版. 北京：高等教育出版社，2003.

1. 
   
   6. 
      

   7. 苏金明，阮沈勇. MATLAB 实用教程. 北京：电子工业出版社，2008.

1. 
   
   7. 
      

   8. Gines M J L, Iglesia E. Bifunctional condensation reactions of alcohols on basic oxides modified by copper and potassium[J]. Journal of Catalysis, 1998, 176(1): 155-172.

   9. 罗均, 王琦. 产品设计质量灰色系统综合评价方法的研究[J]. 机械科学与技术, 2000, 19(5):747-749.

   10. 朱剑虹,余剑,段正康,张战国,许光文.Fe_2O_3/HZSM-5 催化转化乙醇制备低碳烯烃[J].过程工程学报,2010,10(01):97-102.

   11. 朱剑虹,余剑,段正康,张战国,许光文.Fe_2O_3/HZSM-5 催化转化乙醇制备低碳烯烃[J].过程工程学报,2010,10(01):97-102.