基于DM技术的化工生产过程控制的优化研究

论文摘要

本文概述了数据挖掘在国内外的研究现状与水平,分析了化工生产过程的复杂性及其数据特点,在化工生产控制方面进行了应用数据挖掘技术的研究。在分析了连续化生产过程的基础上,选择了一套实际的生产装置,应用数据挖掘技术的基本策略,对实验数据进行了挖掘并得到了阶段性的结果。 在应用数据挖掘技术的研究方面,讨论了基于关联规则的搜索算法、决策树算法和数据可视化技术在优化控制中的应用。通过分析、比较基于关联规则的各种搜索算法的优缺点,结合化工生产的实际特点,选择了一种新颖实用的搜索算法。决策树算法是DM的一个活跃的研究领域,也是被研究最多的数据挖掘方法之一,本论文以C4.5算法为基础对决策树进行了讨论,主要就是找出节点的属性和如何对属性值进行划分。运用数据可视化技术优化化工生产控制水平也是本论文讨论的重点,因为数据可视化不仅能够显示其知识特征的分布规律,达到最佳的分析效果,而且能使用户看到数据处理的全过程、监测并控制数据分析过程。在分析了以上数据挖掘方法的基础上,本文说明了开发研制适用于各种化工生产过程的在线稳态优化系统的可能性,最后指出了数据挖掘必将对工业控制水平的发展产生重大影响的趋势,以及影响这一趋势的若干待解决的问题。

论文目录

• 第一章 引言
• 1.1 论文研究的意义与目的
• 1.2 数据挖掘在国内外的研究现状与水平
• 1.3 数据挖掘工具的现状
• 1.4 本课题所要解决的问题
• 1.5 研究内容与研究方法
• 1.5.1 研究内容
• 1.5.2 研究方法
• 1.5.3 研究思路
• 1.6 相关概念
• 1.6.1 数据仓库
• 1.6.2 数据预处理
• 1.6.3 数据挖掘查询语言DMQL
• 1.6.4 决策树
• 第二章 关联规则在化工生产中的应用
• 2.1 关联规则挖掘
• 2.1.1 概述
• 2.1.2 概念定义
• 2.1.3 算法描述
• 2.2 生产过程分析
• 2.3 关联规则挖掘方法的应用
• 第三章 实时过程控制中的数据挖掘算法
• 3.1 实时过程控制的特点
• 3.2 数据对象的形式描述
• 3.3 算法与算法分析
• 3.3.1 从集合D中生成集合S算法generate—S
• 3.3.2 实时增量更新及预测算法RTIUPA
• 3.3.3 DMRP算法
• 第四章 决策树算法在优化控制中的应用
• 4.1 决策树算法介绍
• 4.2 C4.5算法原理
• 4.3 实例分析
• 第五章 数据可视化技术应用于化工过程控制
• 5.1 过程监控中的数据挖掘
• 5.1.1 建立数组模型
• 5.1.2 数据预处理
• 5.2 KDD中的数据可视化
• 5.3 数据可视化技术在化工生产控制中的应用前景
• 第六章 验证性实验
• 6.1 验证性实验系统结构
• 6.2 生产实时数据的采集
• 6.3 过程数据库的建立和共享
• 6.4 实验数据和实验结果
• 第七章 结论
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果