數(shù)據(jù)挖掘技術(shù)及其在石化裝置中的應(yīng)用研究.pdf

1、石化企業(yè)在日常的生產(chǎn)和管理中，有很多的歷史數(shù)據(jù)都被存儲(chǔ)下來(lái)。這些歷史數(shù)據(jù)中包含著操作人員積累的寶貴的過(guò)程控制以及參數(shù)調(diào)節(jié)的經(jīng)驗(yàn)。如果能夠從企業(yè)生產(chǎn)操作積累的數(shù)據(jù)中將經(jīng)驗(yàn)以合適的形式挖掘出來(lái)，則會(huì)對(duì)提高企業(yè)效益，增加產(chǎn)品的市場(chǎng)競(jìng)爭(zhēng)力以及節(jié)能減排都具有重大意義。本文將從數(shù)據(jù)挖掘技術(shù)的角度出發(fā)，探索如何去粗取精、去偽存真地從歷史生產(chǎn)數(shù)據(jù)中搜尋有用的信息，并將其應(yīng)用于建立石化裝置的模型以及對(duì)其進(jìn)行操作優(yōu)化。
　　（1）綜述了數(shù)據(jù)挖掘的發(fā)展

2、歷程及其當(dāng)代研究近況，論說(shuō)了其主要能用來(lái)實(shí)現(xiàn)的目標(biāo)，并且對(duì)于近一段時(shí)間受人關(guān)注的一些實(shí)施技術(shù)也做出了相應(yīng)程度的論述。特別回顧了很多學(xué)者將數(shù)據(jù)挖掘應(yīng)用于過(guò)程復(fù)雜的石化裝置中采用的新方法以及所取得的最新進(jìn)展。
　?。?）概述人工神經(jīng)網(wǎng)絡(luò)在不同年代的演變軌跡，從萌芽到興起，從衰退到高潮。對(duì)前饋神經(jīng)網(wǎng)絡(luò)中的BP和RBF兩種流行類(lèi)型完成了結(jié)構(gòu)和訓(xùn)練策略的論說(shuō)。由于小波神經(jīng)網(wǎng)絡(luò)能夠?qū)€(xiàn)性程度很差的函數(shù)或關(guān)系較為合理的回歸，而且還有局部特性捕捉

3、的特點(diǎn)，因而將利用其對(duì)原油蒸餾裝置建立簡(jiǎn)約模型。針對(duì)一般的小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練較慢，提出了將Levenberg-Marquardt優(yōu)化算法和批處理模式引入到小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中，加快了網(wǎng)絡(luò)的訓(xùn)練速度。
　?。?）首先基于Aspen Plus嚴(yán)格機(jī)理模型的模擬結(jié)果創(chuàng)建了原油常壓塔的小波神經(jīng)網(wǎng)絡(luò)模型。通過(guò)對(duì)驗(yàn)證數(shù)據(jù)的計(jì)算揭示出，算法優(yōu)化后的小波神經(jīng)網(wǎng)絡(luò)對(duì)原油常壓塔所建立的簡(jiǎn)約模型在樣本回歸和推廣的效果上都要強(qiáng)過(guò)BP和RBF神經(jīng)網(wǎng)絡(luò)。利用列

4、隊(duì)競(jìng)爭(zhēng)算法在空間內(nèi)搜尋滿(mǎn)足油品質(zhì)量規(guī)定的前提下，使得企業(yè)油品銷(xiāo)售利潤(rùn)達(dá)到最大值的操作參數(shù)。
　　（4）概括粗糙集理論的由來(lái)和一些數(shù)學(xué)基礎(chǔ)，對(duì)其在決策系統(tǒng)中刪除冗余屬性達(dá)到降維效果和經(jīng)常用到的計(jì)算流程做出了適量的論述。當(dāng)用于屬性約簡(jiǎn)的數(shù)據(jù)集的規(guī)模變大以及屬性維度增加時(shí)，進(jìn)行約簡(jiǎn)計(jì)算的時(shí)間會(huì)急劇增加。為提高求解效率，降低計(jì)算時(shí)間，將列隊(duì)競(jìng)爭(zhēng)算法融入到屬性約簡(jiǎn)算法中，作為啟發(fā)式搜索的引擎。
　　（5）將列隊(duì)競(jìng)爭(zhēng)算法用于某石化企業(yè)加