數(shù)據(jù)驅(qū)動(dòng)優(yōu)化軟件的設(shè)計(jì)和開(kāi)發(fā).pdf

1、石油化工行業(yè)是支撐我國(guó)國(guó)民經(jīng)濟(jì)重要產(chǎn)業(yè)。隨著現(xiàn)代化工生產(chǎn)過(guò)程越來(lái)越復(fù)雜，原材料日益短缺，能源價(jià)格不斷上漲，化工行業(yè)競(jìng)爭(zhēng)越來(lái)越激烈，提高化工過(guò)程生產(chǎn)的效率，增加企業(yè)的經(jīng)濟(jì)效益，以及減少原材料和能源的消耗已經(jīng)成為迫切要解決的問(wèn)題，因此對(duì)化工過(guò)程優(yōu)化的研究越來(lái)越受到重視。而化工過(guò)程機(jī)理復(fù)雜，建立化工過(guò)程對(duì)象的機(jī)理模型是困難的、耗時(shí)的，因此采用基于生產(chǎn)數(shù)據(jù)的經(jīng)驗(yàn)建模方法是符合實(shí)際的。本文通過(guò)分析化工過(guò)程優(yōu)化的重要性，開(kāi)發(fā)了一套以化工過(guò)程為對(duì)象，

2、立足生產(chǎn)數(shù)據(jù)建立經(jīng)驗(yàn)?zāi)Ｐ?，以試?yàn)設(shè)計(jì)方法為優(yōu)化算法的數(shù)據(jù)驅(qū)動(dòng)優(yōu)化軟件。
　　 本文主要工作及研究?jī)?nèi)容如下:
　　 (1)提出了運(yùn)用高斯過(guò)程回歸代替人工神經(jīng)網(wǎng)絡(luò)和支持向量回歸建立對(duì)象模型，進(jìn)而改進(jìn)了Chen等人提出的基于人工神經(jīng)網(wǎng)絡(luò)(ANN)和信息分析法的過(guò)程優(yōu)化算法，調(diào)整了優(yōu)化算法中下批次數(shù)據(jù)點(diǎn)的選取方法，將優(yōu)化結(jié)果點(diǎn)中性能最好的一組作為下一批次試驗(yàn)數(shù)據(jù)點(diǎn)。以常壓塔為優(yōu)化對(duì)象，常壓塔全塔經(jīng)濟(jì)效益為性能指標(biāo)，對(duì)改進(jìn)的算法進(jìn)

3、行了驗(yàn)證，結(jié)果顯示改進(jìn)的算法使得常壓塔獲得了更好的經(jīng)濟(jì)效益，驗(yàn)證了改進(jìn)算法的有效性。
　　 (2)提出并設(shè)計(jì)了以生產(chǎn)數(shù)據(jù)為操作源的數(shù)據(jù)驅(qū)動(dòng)優(yōu)化軟件。軟件系統(tǒng)的整體架構(gòu)分為表現(xiàn)層，功能層和數(shù)據(jù)層，軟件系統(tǒng)主要包括數(shù)據(jù)處理、模型選擇和優(yōu)化操作三大功能模塊，根據(jù)三層結(jié)構(gòu)和三大功能模塊，實(shí)現(xiàn)了數(shù)據(jù)驅(qū)動(dòng)優(yōu)化軟件。
　　 (3)將本文設(shè)計(jì)和實(shí)現(xiàn)的優(yōu)化軟件應(yīng)用到常壓塔的操作優(yōu)化，分別用人工神經(jīng)網(wǎng)絡(luò)、支持向量回歸和高斯過(guò)程回歸建立常壓塔