原始名称记载: 沙特阿拉伯石油公司

本公开的实施方案涉及一种处理烃原料的方法，所述方法包括：将所述烃原料分馏为轻质流和重质流；加氢处理所述重质流，以形成经加氢处理的重质流；将所述轻质流与所述经加氢处理的重质流合并，以形成改质原料流；和将所述改质原料流进料到单个流化催化裂化（FCC）反应区，从而生产包含轻质烯烃的产物流。所述轻质流可以包含在低于343℃下沸腾的烃，并且所述重质流可以包含在高于343℃下沸腾的烃。所述FCC反应区可以在下流式配置下操作，并且所述FCC可以在高苛刻度条件下操作。

一种用于操作连续催化重整器单元的方法可包括将烃反应物流传递至连续催化重整器单元以形成一种或多种产物流出物流，所述连续催化重整器单元包含至少一个流预热器、至少一个催化反应器以及至少一个分离单元；实施烃重整器工艺控制系统，所述烃重整器工艺控制系统包含烃重整器变量数据存储器、烃重整器输出转换模块和一个或多个预测性烃重整器建模处理器，所述烃重整器变量数据存储器包含处理器可执行指令，所述预测性烃重整器建模处理器配置为执行处理器可执行指令并促使工艺控制系统：接收来自一个或多个状态变量执行器硬件的一个或多个信号，所述信号指示一个或多个当前状态变量，其中当前状态变量是无法在连续催化重整器单元中直接设置的工艺变量；以及接收来自一个或多个控制变量执行器硬件的一个或多个信号，所述信号指示连续催化重整器单元的一个或多个当前控制变量，其中当前控制变量是能够在连续催化重整器单元中直接设置的工艺变量；以及通过利用机器学习模型生成改进的控制变量，所述改进的控制变量基于一个或多个当前状态变量或一个或多个当前控制变量中的一个或两个的输入，增加选定的性能变量，其中机器学习模型中的改进的控制变量通过利用至少历史状态变量数据、历史控制变量数据及历史性能变量数据的输入进行训练；并且基于通过机器学习模型确定的改进的控制变量，调整连续催化重整器单元的一个或多个当前控制变量。

提出了利用钻孔中的分布式声学传感（DAS）系统确定校准的垂直地震剖面（VSP）的系统和方法。该方法包括获得钻孔（108）的密度测井曲线和声学慢度测井曲线；根据密度测井曲线和声学慢度测井曲线确定第一阻抗，即来自测井曲线的DAS阻抗（DIL）曲线；获得钻孔（108）中的VSP数据集；对于多个标距长度中的每一个：从多个标距长度的VSP数据集确定第二阻抗，即来自振动的DAS（DIV）曲线，并且针对多个深度调整中的每一个通过使用失配泛函来确定DIV曲线与DIL曲线之间的拟合。该方法还包括通过将优选深度调整应用于VSP数据集来确定校准的VSP。