食用油精炼工序是食用油生产过程中必不可少的过程。精炼工序通过皂化反应去除压榨毛油中的磷脂和游离脂肪酸等杂质,得到符合一定质量标准的成品油。为保证成品油酸价、含皂量、磷脂含量等指标合格的同时尽可能提高得油率,精炼工序需要调节烧碱量、磷酸量、离心机开度和轻相压力等关键工艺参数达到适合该批次毛油的生产设定值。生产过程中当出现化验值反馈油品不合格时需要根据观测到的反馈状态做相应调整,其调节过程的好坏直接关系整个精炼厂的经济和技术指标,对参数进行优化控制是提高精炼工序最直接有效的方法。本文针对人工调节难以实现生产过程参数优化的问题,提出一种基于大数据的精炼工序操作参数优化方法:（1）建立{油品质+工艺参数---质量指标+得油率}形式的历史数据拼接表,采用粗糙集上下近似集方法挖掘专家调节规则;挖掘历史最高得油率对应的各参数约束范围,作为参数寻优约束区间。（2）以得油率和成品油质量指标为输出,以原油品质和工艺参数组合为输入数据,训练xgboost模型,建立虚拟现场,基于在线生产数据实时预测当前得油率。（3）建立操作参数优化模型,以xgboost预测模型作为虚拟现场（优化目标）,在参数寻优区间内,采用遗传算法寻优某种原油品质下xgboost模型输出最高得油率的工艺参数组合。采用挖掘的专家规则对优化结果进行评定,违反规则的结果不能作为决策下发,重新优化。根据现场数据验证结果表明,本文所提方法能够较准确的给出参数调节决策,能够在原油稳定供给时提高得油率。