一种常减压产品性质预测方法、系统、设备和存储介质

摘要

本发明涉及一种常减压产品性质预测方法、系统、设备和存储介质，包括：基于预先获得的样本数据集，对预先构建的各机器学习模型进行训练，并将训练好的各机器学习模型进行融合，得到最终的常压塔融合模型；采用最终的常压塔融合模型对常减压产品性质进行预测，得到常减压产品性质预测结果。本发明采用流程模拟数据+现场数据对机器学习模型进行建模，模型具有自学习能力，能够应对如原油性质变化和产品方案变化等复杂工况。利用融合的机器学习模型进行孪生模型的训练，使得模型能够对数据特征进行充分的学习，提升模型的泛化性能和鲁棒性，从而保证模型既具备对多工况的适应性，又具备计算的稳定性和收敛性。本发明可以广泛应用于产品检测领域。