硕士论文：基于分子组成与化学计量学的润滑油基础油粘度性质预测研究

毕业去向：广州 辛孚科技有限公司 化工研发工程师

 

个人简介

自2023年加入课题组，师从史权教授。自2023年9月开始硕士研究生工作，于2026年5月完成硕士学位答辩。硕士期间研究课题为：融合遗传算法优化偏最小二乘模型与曲线分解技术，结合近红外光谱建立润滑油基础油全馏分到窄馏分物化性质的快速预测方法，大幅缩短油品分析周期，为高品质基础油高效研发与智能调控提供技术支撑与分子理论依据。

教育经历：

2019-2023 中国石油大学（北京） 本科，环境工程

2023-2026 中国石油大学（北京） 硕士，环境工程

 

硕士论文主要工作

1）针对高品质基础油传统中试检测周期长、研发效率低的难题，融合近红外光谱技术与化学计量学方法开展快速表征研究。基于偏最小二乘法构建物性预测基础模型，引入遗传算法筛选关键分子特征、优化模型精度，将粘度预测相关系数由0.93提升至0.96。通过曲线分解串联双模型，实现由全馏分光谱快速预测窄馏分物性，大幅压缩分析周期，为油品智能调控提供分子理论支撑，成果获重点实验室年会奖项。

2）依托原油评价平台建设，针对传统高斯拟合无法适配杂原子化合物非正态分布的缺陷，创新采用碳数-DBE矩阵整体建模方法。通过全局优化算法实现原油窄馏分分子组成精准拟合，拟合余弦相似度均超0.9。该方法贴合石油组分分布规律，有效解决了杂原子组分拟合精度低的问题，完善了原油馏分评价技术体系。

 

硕士论文摘要

润滑油基础油的分子组成差异会直接影响其黏度等关键性能。传统物性测试虽然准确，但周期长、效率低，难以满足研发阶段快速筛选与评价的需求。随着分子表征技术的发展，基础油分子组成数据已能够较细致地反映样品内部结构差异，但这类数据同时具有高维、小样本、相关性强和组成约束明显等特点，直接建模容易受到冗余信息和共线性的影响。因此，本文着重研究如何结合合适的数据预处理与变量筛选方法，建立更高效、更稳定的性质预测路线。

本文围绕全馏分分子组成、窄馏分分子组成重构及窄馏分性质预测展开研究。针对目标油由全馏分到窄馏分的组成映射问题，提出了在全馏分层面求统一权重、在窄馏分层面传递权重进行拟合的重构方法，并以新文昌、曹妃甸、恩平和涠洲四套油样轮换作为目标油进行验证。分析发现，该方法能够较稳定地重现目标油重窄馏分的分子组成分布及其结构递变规律。以涠洲目标油为例，370-540°C7个窄馏分段的分布相似度整体较高，加权平均碳数与加权平均DBE的预测结果与实测结果较为接近，表明该方法可以为后续性质预测提供较可靠的组成输入。

在性质建模部分，本文以770个分子组成变量为输入，以40°C运动黏度和黏度指数为目标性质，系统比较了未进行中心化对数比变换（CLR）预处理的基础偏最小二乘回归（PLS）模型、CLR-PLS模型及多种结合变量选择方法的PLS模型。比较结果表明，CLR预处理提升了组成型数据的建模适用性，变量选择有助于减少冗余变量并压缩变量空间。其中，中心化对数比变换-遗传算法-偏最小二乘回归（CLR-GA-PLS）模型的综合效果最好。对于40°C运动黏度预测，其交叉验证决定系数（R²）达到0.9003，均方根误差（RMSE）为19.8735，平均绝对误差（MAE）为11.2458；对于黏度指数预测，其交叉验证R²达到0.8401，RMSE为10.5603，MAE为8.5367。两类模型均将原始770个变量压缩至50个关键变量。结合验证集与测试集结果可以看出，该模型在独立样本条件下仍保持了较好的预测能力和稳定性。

总体来看，基于分子组成数据与化学计量学方法建立润滑油基础油快速分析路线具有可行性。本文建立的方法既能够实现目标窄馏分分子组成重构，也能够较快给出窄馏分关键黏度性质的预测结果，可用于支撑润滑油基础油研发中的快速评价、高效筛选及后续多性质扩展预测。

 

个人荣誉

2019年-2025年多次获得校级三好学生，文体先进个人，优秀团员等

2022年第17届全国大学生跆拳道锦标赛混双项目亚军。

2020年-2025年连续多年获得首都高等学校跆拳道锦标赛第一名等。