2021年国赛高教杯数学建模B题乙醇偶合制备C4烯烃解题全过程文档及程序

2021年国赛高教杯数学建模

B题 乙醇偶合制备C4烯烃

原题再现

  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。在制备过程中，催化剂组合（即：Co 负载量、Co/SiO2 和 HAP 装料比、乙醇浓度的组合）与温度对 C4 烯烃的选择性和 C4 烯烃收率将产生影响（名词解释见附录)。因此通过对催化剂组合设计，探索乙醇催化偶合制备 C4 烯烃的工艺条件具有非常重要的意义和价值。
  某化工实验室针对不同催化剂在不同温度下做了一系列实验，结果如附件 1 和附件 2 所示。请通过数学建模完成下列问题：
  (1) 对附件 1 中每种催化剂组合，分别研究乙醇转化率、C4 烯烃的选择性与温度的关系，并对附件 2 中 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) 探讨不同催化剂组合及温度对乙醇转化率以及 C4 烯烃选择性大小的影响。
  (3) 如何选择催化剂组合与温度，使得在相同实验条件下 C4 烯烃收率尽可能高。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。
  (4) 如果允许再增加 5 次实验，应如何设计，并给出详细理由。

整体求解过程概述(摘要)

  本文主要研究乙醇偶合制备 C4 烯烃时，不同催化剂组合及温度对乙醇转化率和 C4 烯经选择性的影响、C4 烯经收率最高时的催化剂组合与温度最优化的实验设计问题。
  针对问题一，分析附件 1 中每种催化剂组合数据规律,分别建立乙醇转化率、C4 烯烃选择性与温度之间的一元二次回归模型。基于最小二乘法,运用 Matlab 中的 polyfit()和 regress()函数对该模型进行求解，得到回归系数，然后通过判别系数 R^2 判断模型是否准确，如果判别系数小于 0.6，则认为该模型不准确，需要进行进一步通过剔除离总体偏差较大的数据与优化方程模型进行模型的优化，进而通过分析所得曲线的变化规律得到结论:在一定范围内随着温度升高，乙醇的转化率与 C4 烯怪的选择性均会增高，但若温度过高，则 C4 烯经的选择性可能会降低；对附件 2 中的数据进行对比分析，并结合化学反应机理得到结论:乙醇转化率随着时间增大逐渐减小，C4 烯烃选择性随时间变化的趋势较为平稳，随着反应时间增加，各产物的选择性都趋于平稳，即化学反应达到平衡状态。
  针对问题二，需要分析不同催化剂组合及温度对乙醇转化率和 C4 烯烃选择性大小的影响。首先，用控制变量的方法对附件 1 中的数据进行分类对比，通过定性分析得到相应结论。得到: Co 负载量对 C4 烯烃选择性的影响最大，Co/SiO2 和 HAP 装料比对 C4 烯烃选择性的影响最小。最后，结合实际考虑因素间交互作用，分别建立 C4 烯烃选择性、乙醇转化率与各因素及其交互作用的多元线性回归模型，通过对问题二进行比较分析法得出：Co 负载量与Co/SiO2 和 HAP 装料比共同作用对乙醇转化率影响最大，温度对 C4 烯烃的选择性影响最大。
  针对问题三，首先在问题二的基础上进行数据预处理，除去 A11 组有石英砂无 HAP 的一组数据并在问题二多元回归模型的基础上，给出 C4 烯烃收率的函数表达式。其次以温度、Co/SiO2 和 HAP 的质量和、乙醇浓度、Co 负载量作为决策变量，以最高 C4 烯烃收率作为目标函数，以各个影响因素的取值范围作为约束条件,建立 C4 烯烃收率最高的优化模型。然后基于迭代算法，利用最小二乘法拟合，然后运用牛顿迭代法对该模型求解，然后用选择排序法得到: C4 烯烃最优收率为 53%。再改变温度约束条件，使得最高温度不超过 350 度，得到此时 C4 烯烃最优收率为 12%。
  针对问题四，结合前三问的分析结论，通过过前面问题的研究不难得出当温度达到一定时候，而对前三问的分析可以明显得出当温度为一范围内，温度越高 C4 烯烃转化率反而越低，C4 烯烃收率将会显著下降到一个最低点，而过了这一段范围后，C4 烯烃转率又随着温度增高而增高所以这里建立方程模型得出这个最低点与其变化规律，所以通过其他条件不变，温度变化，得出 C4 烯烃收率是否与温度的是否成二次曲线模型变化的二次函数方程模型。

模型假设：

  1. 忽略外界因素对实验的影响
  2. 忽略有石英砂无 HAP 对实验的影响
  3. 环境温度和压强对实验的进行没有影响
  4. 实验设备完好不会导致实验结果出错或实验失败
  5. 判别系数 R^2>0.6 认为拟合有效

问题分析：

  问题一的分析
  问题一分别分析温度对乙醇转化率、C4 烯烃选择性的关系。问题一的第一部分，首先对附件 1 画出每种催化剂组合的乙醇转化率、C4 烯烃选择性与温度的散点图，在此基础上我们初步得出乙醇转化率总体上随着温度的升高而增大的结论，但是某些数值在增加到某个温度时会有所下降，我们需要对异常的点进行处理，然后进行分类。如果乙醇转化率、C4 烯烃选择性与温度具有一定的线性关系，则建立数学模型利用MATLAB 求出相关系数。
  问题一的第二部分，我们根据图像拟合对化学反应的进程和产物进行分析，得出在 350°时乙醇转化率、C4 烯烃选择性、C4 烯烃收率等指标随时间的变化规律，分析出反应过程中的产物量比及反应的平衡时间。
  问题二的分析
  问题二是分析不同催化剂组合及温度对乙醇转化率和 C4 烯烃选择性大小的影响。首先我们通过控制变量的方法，对 20 组试验数据进行组合对照，进行直观的定量分析。控制自变量 Co 负载量（Co/SiO2 的重量之比）、Co/SiO2 和 HAP 装料比Co/SiO2 和 HAP 质量之和，乙醇浓度、温度对因变量乙醇转化率、C4 烯烃选择性的影响。其间我们需要发现自变量不同催化剂组合、温度之间的重要因素和次要因素，并在定性分析的基础上进行定量分析，确定变量之间的关系，找出合适的数学表达式。
  问题三的分析
  基于问题二的模型建立，首先对数据进行预处理，去除 A11 组有石英砂无 HAP 这一组的实验数据，对 C4 烯烃收率的函数表达式以温度、Co/SiO2 和 HAP 的质量和、乙醇浓度、Co负载量，Co/SiO2 和 HAP 装料比作为决策变量，以最高 C4 烯烃收率作为目标函数，以各个影响因素的取值范围作为约束条件,建立 C4 烯烃收率最高的优化模型。
  问题四的分析
  综合考虑问题一、二、三,对于附件中没有改变某个实验条件可能使得实验结果更优的进行实验，通过对前三问的分析可以明显得出当温度为一范围内，温度越高 C4 烯烃转化率反而越低，C4 烯烃收率将会显著下降到一个最低点，而过了这一段范围后，C4 烯烃转率又随着温度增高而增高。但是对于因缺少数据而使得某个结论缺服说服力的进行实验。

模型的建立与求解整体论文缩略图

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

程序代码：(代码和文档not free)

%对数据进行导入
%导入附件 1 中的数据
%wendu - 温度 yczhl - 乙醇转化率 wyl - 对温度与乙醇转化率进行拟合后得到的函数
wenduA1=xlsread("C:\Users\ASUS\Desktop\ 数 学 建 模 \ 题 目 \B\ 附 件 1.xlsx"," 性 能 数 据 表
","C2:C6");
yczhlA1=xlsread("C:\Users\ASUS\Desktop\数学建模\题目\B\附件 1.xlsx","性能数据表","D2:D6");
wenduA2=xlsread("C:\Users\ASUS\Desktop\ 数 学 建 模 \ 题 目 \B\ 附 件 1.xlsx"," 性 能 数 据 表
","C7:C11");
yczhlA2=xlsread("C:\Users\ASUS\Desktop\ 数 学 建 模 \ 题 目 \B\ 附 件 1.xlsx"," 性能数据表
","D7:D11");
wenduA3=xlsread("C:\Users\ASUS\Desktop\ 数 学 建 模 \ 题 目 \B\ 附 件 1.xlsx"," 性 能 数 据 表
","C12:C18");
yczhlA3=xlsread("C:\Users\ASUS\Desktop\ 数 学 建 模 \ 题 目 \B\ 附 件 1.xlsx"," 性能数据表
","D12:D18");
wenduA4=xlsread("C:\Users\ASUS\Desktop\ 数 学 建 模 \ 题 目 \B\ 附 件 1.xlsx"," 性 能 数 据 表
","C19:C24");
yczhlA4=xlsread("C:\Users\ASUS\Desktop\ 数 学 建 模 \ 题 目 \B\ 附 件 1.xlsx"," 性能数据表
","D19:D24");
wenduA5=xlsread("C:\Users\ASUS\Desktop\ 数 学 建 模 \ 题 目 \B\ 附 件 1.xlsx"," 性 能 数 据 表
","C25:C30");
yczhlA5=xlsread("C:\Users\ASUS\Desktop\ 数 学 建 模 \ 题 目 \B\ 附 件 1.xlsx"," 性能数据表
","D25:D30");
wenduA6=xlsread("C:\Users\ASUS\Desktop\ 数 学 建 模 \ 题 目 \B\ 附 件 1.xlsx"," 性 能 数 据 表
","C31:C35");

%k 为拟合次数
k=3;
wyA1=polyfit(wenduA1,yczhlA1,k); %求出拟合参数
A1=vpa(poly2sym(wyA1),10);%求出曲线 %画出拟合曲线为
y1=polyval(wyA1,wenduA1);
plot(wenduA1,y1,wenduA1,yczhlA1,"*r");
hold on ;
wyA2=polyfit(wenduA2,yczhlA2,k);
A2=vpa(poly2sym(wyA2),10);%曲线为 
%画出拟合曲线为
y2=polyval(wyA2,wenduA2);
plot(wenduA2,y2,wenduA2,yczhlA2,"*r");
hold on 
wyA3=polyfit(wenduA3,yczhlA3,k);
A3=vpa(poly2sym(wyA3),10);%曲线为 
%画出拟合曲线为
y3=polyval(wyA3,wenduA3);
plot(wenduA3,y3,wenduA3,yczhlA3,"*r");
hold on ;
wyA4=polyfit(wenduA4,yczhlA4,k);
A4=vpa(poly2sym(wyA4),10);%曲线为 
%画出拟合曲线为
y4=polyval(wyA4,wenduA4);
plot(wenduA4,y4,wenduA4,yczhlA4,"*r");
hold on
wyA5=polyfit(wenduA5,yczhlA5,k);
A5=vpa(poly2sym(wyA5),10);%曲线为 
%画出拟合曲线为
y5=polyval(wyA5,wenduA5);
plot(wenduA5,y5,wenduA4,yczhlA5,"*r");
hold on
wyA6=polyfit(wenduA6,yczhlA6,k);
A6=vpa(poly2sym(wyA6),10);%曲线为 
%画出拟合曲线为
y6=polyval(wyA6,wenduA6);
plot(wenduA6,y6,wenduA6,yczhlA6,"*r");
hold on
wyA7=polyfit(wenduA7,yczhlA7,k);
A7=vpa(poly2sym(wyA7),10);%曲线为 
%画出拟合曲线为
y7=polyval(wyA7,wenduA7);
plot(wenduA7,y7,wenduA7,yczhlA7,"*r");
hold on
wyB7=polyfit(wenduB7,yczhlB7,k);
B7=vpa(poly2sym(wyB7),10);%曲线为 
%画出拟合曲线为
y21=polyval(wyB7,wenduB7);
plot(wenduB7,y21,wenduB7,yczhlB7,"*r");
 %{
legend("A1=0.3331893326*x - 84.08276818","A2=0.6629580734*x -
161.8909145","A3=0.4195648852*x - 95.88308918",...
 "A4=0.5817118467*x - 144.5709001","A5=0.4078621995*x -
97.62301858","A6=0.5015334253*x - 119.8325796",...
 "A7=0.3775367296*x - 74.26046445","A8=0.3396341323*x - 83.77607016", 
"A9=0.2491040369*x - 65.67280331",...
 "A10=0.1834135666*x - 49.64860852","A11=0.2067687555*x -
56.50163086","A12=0.2859331347*x - 74.81353909",...
 "A13=0.3359113498*x - 86.68673211","A14=0.3359113498*x -
86.68673211","B1=0.2794712209*x - 73.14252889",...
 "B2=0.2726886201*x - 70.9546115","B3=0.1313117907*x -
36.1563065","B4=0.2077582601*x - 56.81340574","B5=0.2715966155*x - 72.27286731",...
 "B6=0.3837143453*x - 100.0040718","B7=0.4197142857*x - 109.3428571");
%}
legend('A1','A2','A3','A4','A5','A6','A7','A8','A9','A10','A11','A12','A14','A14','B1','B2','B3','B4','B5','B
6','B7')
xlabel("温度");
ylabel("乙醇转化率");
title("温度-乙醇转化率拟合图")
 avgA1=(sum(yczhlA1))/length(yczhlA1);%乙醇转化率平均值
 totA1=sum((yczhlA1-avgA1).^2);
 resA1= double( sum(( subs(A1,wenduA1)-yczhlA1).^2));
R2A1=1-resA1/totA1;
 avgA2=(sum(yczhlA2))/length(yczhlA2);%乙醇转化率平均值
totA2=sum((yczhlA2-avgA2).^2);
 resA2= double(sum((subs(A2,wenduA2)-yczhlA2).^2));
R2A2=1-resA2/totA2;

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/27386.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

（六）CSharp-CSharp图解教程版-委托

（六）CSharp-CSharp图解教程版-委托

一、委托概述 1、什么是委托 委托和类一样，是一种用户定义类型（即是一种类，所以也是一个引用类型）。在它们组成的结构方面区别是，类表示的是数据和方法的集合，而委托则持有一个或多个方法。 可以把 deleg…
阅读更多...
HNU-操作系统OS-作业1（4-9章）

HNU-操作系统OS-作业1（4-9章）

这份文件是OS_homework_1 by计科2102 wolf 202108010XXX 文档设置了目录，可以通过目录快速跳转至答案部分。 第四章 4.1用以下标志运行程序：./process-run.py -l 5:100,5:100。CPU 利用率（CPU 使用时间的百分比）应该是多少？为什么你知道这一点？利用 -c 标记查看你…
阅读更多...
[230604] 听力TPO66汇总·上篇｜ C1 L1 C2｜10:20~12:00

[230604] 听力TPO66汇总·上篇｜ C1 L1 C2｜10:20~12:00

目录​​​​​​​ Science Fiction And Sci-fi-C1 错题分析 C1-3 细节双选题 C1 精听练习 做题笔记 Financial Advice-C2 全对 C2 精听练习 Sleep-L1 错题分析 L1-4 细节题 L1-5 细节双选题 L1 精听练习 做题笔记 词汇：http://t.csdn.cn/Zhuws 两篇对…
阅读更多...
Linux进程、用户、权限命令

Linux进程、用户、权限命令

进程管理命令 进程和程序的区别 1 程序是静态概念，本身作为一种软件资源长期保存；而进程是程序的执行过程，它是动态概念，有一定的生命期，是动态产生和消亡的。 2 程序和进程无一一对应关系。一个进程在活动中可有顺序…
阅读更多...
软件测试03：软件工程和软件生命周期

软件测试03：软件工程和软件生命周期

软件测试03：软件工程和软件生命周期 软件危机 软件危机是指落后的软件生产方式无法满足迅速增长的计算机软件需求，从而导致软件开发与维护过程中出现一系列严重问题的现象。 软件工程 基本软件危机对于计算机发展的阻碍，1968年&#xff0…
阅读更多...
一分钟学一个 Linux 命令 - tar

一分钟学一个 Linux 命令 - tar

前言 大家好，我是 god23bin。今天给大家带来的是 Linux 命令系列，每天只需一分钟，记住一个 Linux 命令不成问题。今天，我们要介绍的是一个常用且强大的命令：tar。 什么是 tar 命令？ tar 是 tape archive…
阅读更多...
SUSTechPOINTS三维点云标注工具使用

SUSTechPOINTS三维点云标注工具使用

官方地址：SUSTechPOINTS 官方中文教程 相关文章： OpenPCDet安装、使用方式及自定义数据集训练 安装 git clone https://github.com/naurril/SUSTechPOINTS cd SUSTechPOINTS pip install -r requirement.txt wget https://github.com/naurril/SUSTec…
阅读更多...
STL——string和vector容器

STL——string和vector容器

初识STL **STL的基本概念****vector容器存放内置数据类型****在vector容器中存放自定义数据类型****vector容器嵌套vector容器****string容器——构造函数****string容器——赋值操作****string容器——字符串拼接****string容器——字符串的查找和替换****string容器——字符串…
阅读更多...
Midjourney竞品Leap免费试用； Google 刚刚发布10门独立AI课程

Midjourney竞品Leap免费试用； Google 刚刚发布10门独立AI课程

🦉 AI新闻 🚀 Midjourney竞品，免费试玩AI图片生成工具Leap，细节还需提升 摘要：Leap是一款免费试玩的AI图片生成工具，用户可以选择不同的生成模型和步长及数量。功能上尚需提高细节把握能力，但…
阅读更多...
线段树算法（C++/C）

线段树算法（C++/C）

目录​​​​​​​ 一、线段树算法的概念 二、为什么需要线段树 三、线段树算法的实现 （1）建树 （2）查询 （3）修改 （4）综合代码，求区间和 （5&#xff…
阅读更多...
Python暑假自律打卡学习班，免费，速来(2)

Python暑假自律打卡学习班，免费，速来(2)

小朋友们好，大朋友们好！ 我是猫妹，一名爱上Python编程的小学生。 和猫妹学Python，一起趣味学编程。 很快就放暑假了，还有20多天吧！ 猫妹对这个暑假相当期待啊， 想想今年的五一劳动节有多火爆…
阅读更多...
Openharmony添加编译自己应用

Openharmony添加编译自己应用

介绍一下Openharmony如何在庞大的编译构建系统中，增添自己想编译的内容。不定期更新~🐸 gn官方文档： https://gn.googlesource.com/gn//main/docs/quick_start.md https://gn.googlesource.com/gn//master/docs/reference.md openharmony官…
阅读更多...
Redis 消息队列 Stream

Redis 消息队列 Stream

tip：作为程序员一定学习编程之道，一定要对代码的编写有追求，不能实现就完事了。我们应该让自己写的代码更加优雅，即使这会费时费力。 💕💕 推荐：体系化学习Java（Java面试专题&#…
阅读更多...
C语言写网络爬虫总体思路

C语言写网络爬虫总体思路

使用C语言编写爬虫可以实现网络数据的快速获取和处理，适用于需要高效处理海量数据的场景。与其他编程语言相比，C语言具有较高的性能和灵活性，可以进行底层操作和内存管理，适合处理较复杂的网络请求和数据处理任务。 但是&#xf…
阅读更多...
Redis学习总结（二）

Redis学习总结（二）

AOF 为什么是在执行完命令之后记录日志？ 关系型数据库（如 MySQL）通常都是执行命令之前记录日志（方便故障恢复），而 Redis AOF 持久化机制是在执行完命令之后再记录日志。AOF 记录日志过程为什么是在执行完命…
阅读更多...
【LeetCode】HOT 100（7）

【LeetCode】HOT 100（7）

题单介绍： 精选 100 道力扣（LeetCode）上最热门的题目，适合初识算法与数据结构的新手和想要在短时间内高效提升的人，熟练掌握这 100 道题，你就已经具备了在代码世界通行的基本能力。 目录 题单介绍&#…
阅读更多...
chatgpt赋能python：Python创建SEO文章的指南

chatgpt赋能python：Python创建SEO文章的指南

#Python创建SEO文章的指南 在当今数字化世界中，SEO（搜索引擎优化）对于拥有一个成功的在线业务至关重要。SEO文章不仅可以帮助提高网站的排名，还可以吸引更多的访问者并提高转化率。在本文中，我们将介绍如何使用Python…
阅读更多...
数据分析第17课seaborn绘图

数据分析第17课seaborn绘图

关系型绘图 seaborn.relplot() 这个函数功能非常强大，可以用来表示多个变量之间的关联关系。默认情况下是绘制散点图（散点图是看到变量与变量之间相关性最优的一个图形），也可以绘制线性图，具体绘制什么图形是通过kind参数来决定的。实际上以下两个函数就是relplot的特例…
阅读更多...
2023网安面试题170道，轻松应对面试

2023网安面试题170道，轻松应对面试

最近有不少小伙伴跑来咨询： 想找网络安全工作，应该要怎么进行技术面试准备？ 工作不到 2 年，想跳槽看下机会，有没有相关的面试题呢？ 为了更好地帮助大家高薪就业，今天就给大家分享两份网络安全工…
阅读更多...
（1Gbit）MT28EW01GABA1LPC-0SIT、MT28EW01GABA1HPC-0SIT FLASH - NOR 存储器

（1Gbit）MT28EW01GABA1LPC-0SIT、MT28EW01GABA1HPC-0SIT FLASH - NOR 存储器

MT28EW01GABA1LPC-0SIT、MT28EW01GABA1HPC-0SIT 1Gbit并行NOR闪存器件具有较高的密度、就地执行 (XiP) 性能和架构灵活性，可满足汽车、消费类和移动产品的设计要求。该器件非常适合用于GPS/导航、汽车后视摄像头、手机、智能手机和电子阅读器。该器件还具有较宽的温…
阅读更多...
最新文章

Copyright @ 2022~2023