赵毅
毕业时间：2012年12月（博士）
毕业去向：石化盈科 / 中石化石油化工科学研究院
导师：徐春明 教授 史权副教授
学科专业：化学工程与技术
研究方向：重质油数据建模与分析
学位论文题目
重质油分析数据建模方法研究
Application of chemometrics on physical property and reactivity modeling of heavy oil
论文摘要
目前国内外炼油化工企业对重质油加工需求不断地增长，致使对重质油加工的研究成为科研机构和炼油化工企业研究的热点。在过去的几十年中，随着中国石油大学（北京）重质油国家重点实验室对重质油评价方法和加工性能不断深入地研究，积累了大量宝贵的重质油评价数据和加工性能数据，如何将这些数据有效地存储，并利用先进的数据分析方法将这些数据转化为知识，以便指导重质油的加工，成为实验室目前研究的重点。为此，本论文收集整理了46种重质油评价数据及部分重质油焦化和催化裂化反应性能数据，结合.NET技术、数据库技术和化学计量学技术，开展以下主要研究：
（1）随着重质油分析实验数据“爆炸式”的增长，实验工作人员希望能够在有效管理实验数据的同时，还可以利用强大的数据分析工具，对实验数据进行更深入的挖掘，以获取更多、更准确关于重质油的信息，因此就需要开发一套功能齐备的数据管理分析系统。R语言和.NET都具有强大的数据处理功能，本论文通过实现两者混合编程技术，充分发挥两者的优势，用于数据管理分析系统的开发。利用以上技术开发的石油重质油数据管理分析系统，能够出色地完成实验工作者对数据管理和分析的基本需求。
（2）通过收集整理重质油国家重点实验室积累的大量有价值的重质油评价数据，建立重质油数据库后，将数据库中的重质油性质和催化裂化反应产物分布数据作为训练数据，结合化学计量学校正理论，建立重质油性质与重质油催化裂化反应产物分布的数学关联模型。通过本论文研究表明：利用化学计量学校正理论方法和校正集重质油样本数据建立的重质油性质与反应产物分布的数学关联模型对重质油校正集样本有很好的预测效果；同时经验证，也能够达到快速、准确预测重质油验证集样本反应产物分布的目的。
（3）为了能够研究模式识别技术在重质油智能加工中的应用，本论文以重质油催化裂化反应为例，利用38种重质油油样的11个关键性质和催化裂化反应产物分布数据作为模型建立和验证数据，结合化学计量学模式识别技术： K-Nearest Neighbor Classification（KNN）和Supervised Self Organizing Maps（SSOM），分别建立重质油催化裂化反应产物分布的预测模型，并对两种方法的预测结果进行比较。同时，利用数学方法对两种模型的预测结果进行验证，通过本论文研究表明：利用化学计量学模式识别技术建立的预测模型能够达到较好的预测效果，为模式识别技术在重质油智能加工中的应用提供实验支撑。
（4）在原有傅立叶变换离子回旋共振质谱数据管理及分析平台的基础上，利用.NET技术和数据库技术重新开发FT-ICR MS数据管理、分析软件，通过软件地成功开发，能够实现有效管理仪器分析数据的同时，快速、准确地实现对FT-ICR MS仪器数据的分析，为实验结果的后续分析提供可靠的数据基础。
关键词：重质油；超临界萃取分馏；傅立叶变换离子回旋共振质谱；化学计量学；校正理论；模式识别；信号处理
创新点
（1）利用R语言与.NET混合编程技术、数据库技术和化学计量学技术建立了重质油数据管理和分析系统，为重质油优化加工和轻质化新技术开发提供数据管理和分析平台。
（2）利用校正理论的多种模型建立方法，建立了六种利用重质油物化性质预测催化裂化反应产物分布的模型。
（3）验证了模式识别技术在重质油催化裂化产物分布预测中方法的可行性，并对不同模式识别技术进行了对比分析。
（4）利用.NET技术和数据库技术开发了傅立叶变换离子回旋共振质谱仪数据分析系统。
赵毅博士是重质油性质与反应性能模型化研究的探索者和开拓者。他在博士期间围绕重质油的分子组成表征与性质预测开展研究，致力于建立基于分子组成的重质油性质与反应性能模型。
他开发的第二代高分辨质谱数据处理软件（“小足球”）显著提高了质谱数据处理效率与准确性，为实验室重质油分子组成研究提供了重要技术支撑，为实验室数据平台建设做出了突出贡献。
发表学术论文
[1]赵毅; 史权; 赵锁奇; 徐春明. R语言与.NET混合编程在重质油数据管理分析中的应用. 计算机与应用化学 2012, 29 (4), 491–494
https://doi.org/10.16866/j.com.app.chem2012.04.027[2]赵毅; 赵锁奇; 史权; 徐春明. 化学计量学技术在预测重质油催化裂化反应产物分布中的应用. 石油炼制与化工 2012, 43 (6), 88–92.
[3]Zhao, Y.; Xu, C.; Zhao, S.; Shi, Q. Pattern recognition technology application in intelligent processing of heavy oil. Energy and Fuels 2012, 26 (12), 7251–7256
https://doi.org/10.1021/ef300968k