摘要
流化催化裂化装置（FCC）是现代石油炼制工业的核心。FCC的运行过程复杂，具有强非线性以及高维度的时空耦合特性，使得过程监控、软测量和运行优化变得困难。多变量预测可支持这些任务。现有的公开数据集和预测基准仅提供了一个连续FCC过程的有限数据，而转移到FCC运行中的预测模型往往需要根据运行条件的变化重新训练以维持精度。为了解决这些问题，我们构建了流化催化裂化基准数据集（FCC-Bench）并提出了自适应多尺度推理方法（AMSI）。FCC-Bench聚焦于一个连续FCC过程，包含62.5天内的129个变量，能够捕捉运行条件的变化并支持可溯源的已保存数组指标计算。AMSI在一个冻结的预测模型上以三种上下文长度运行，并通过自适应的逐变量权重融合预测结果，使得短上下文能快速响应突发变化，而长上下文能在缓慢变化期间减少噪声。在FCC-Bench后20%滚动对比实验中，AMSI在所有评估方法中取得了最低的均方误差（MSE）和平均绝对误差（MAE），分别为1.2909和0.8101。在相同设置下，AMSI在同一装置的另一时间段以及另一台装置上同样取得了最低误差。
