分類關聯規(guī)則挖掘及其在復雜工業(yè)過程中的應用研究.pdf

1、目前自動化和數據庫技術已經滲透到廣泛的工業(yè)生產過程中，在這些過程的實時數據庫中積累了大量的系統(tǒng)運行數據，其中蘊含了許多與工業(yè)過程控制、參數優(yōu)化、產品質量以及生產管理有關的信息，它們?yōu)閿祿诰蚣夹g在復雜工業(yè)過程領域的應用提供了廣闊的平臺。 本論文以復雜工業(yè)生產過程為研究背景，以分類關聯規(guī)則挖掘算法為研究主線，對數據挖掘流程中幾個重要階段所包含的具體技術和內容(數據預處理技術、探索性分析方法、數據挖掘建模及實施應用)分別進行了研究。

2、同時結合實際工程項目(某冶煉企業(yè)鉛燒結煙氣WSA制酸過程關聯規(guī)則挖掘)，進行了具體的實施和應用。 本論文的主要研究工作概括如下， 在數據預處理階段，提出了一種多變量監(jiān)督型離散化(MSD)算法針對工業(yè)過程數據的特點(變量多、耦合強、數據處理量大)，本論文提出一種多變量監(jiān)督型離散化算法。該算法分兩層實現：首先利用聚類算法進行粗離散化(在該離散化過程中充分考慮了數據集中多個條件變量間的相關信息)；然后運用Chi2離散化算法進行

3、細離散化(該離散化過程中充分吸取了數據集中的分類信息)。該離散化算法充分利用數據集的分布特征和分類信息，實現了對數據集的自動離散化。對比測試分析和實踐應用均證明該算法具有良好的離散化效果。 在建模階段，提出了三種數據挖掘模型 (1)提出了一種模糊分類關聯規(guī)則挖掘(FCARM)模型在現有分類關聯規(guī)則挖掘算法的基礎上，本論文提出一種模糊分類關聯規(guī)則挖掘模型。該模型有如下貢獻：第一，引入一種新的基于距離的支持度定義；第二，將多

4、變量監(jiān)督型離散化算法引入到連續(xù)屬性的離散化過程中，增強了模型的離散化效果。第三，進一步將模糊集概念引入模型中，克服了屬性劃分過程帶來的邊界過硬的缺點。最后運用此模型對芳烴抽提工業(yè)過程的歷史數據進行了挖掘。 (2)提出了一種基于模糊分類關聯規(guī)則集(fuzzyCARs)的模糊系統(tǒng)構建方法在傳統(tǒng)的模糊系統(tǒng)建模過程中，存在兩個較難克服的困難：其一是數據對象的輸入空間難以劃分，它集中體現在難以確定每個屬性的劃分區(qū)間數和相應的劃分點；其二為

5、由高維數據的采樣稀疏性引起的“維數災難”問題。為解決上述問題，本論文提出一種利用模糊分類關聯規(guī)則集進行模糊系統(tǒng)構建的新方法，通過引入MSD離散化方法以及fuzzyCARs中的有效規(guī)則集，該方法很好地解決了上述兩個困難。最后，相應的對比測試結果也驗證了此結論。 (3)提出了一種新型的適于工業(yè)過程應用的模糊路徑查詢系統(tǒng)前述模型更多地集中于對歷史數據的離線分析，為了更好地配合工業(yè)過程自動運行的需要，本論文提出一種可以在線運行的數據挖掘

6、系統(tǒng)：模糊路徑查詢系統(tǒng)。該系統(tǒng)由兩部分組成：規(guī)則庫和查詢系統(tǒng)。該系統(tǒng)具有以下特點： (a)可以對當前的操作狀態(tài)提供實時評估。(b)給出當前工況下的最“優(yōu)”操作建議。(c)可以實現眾多查詢功能(相似工況查詢，歷史最佳操作，故障信息等)。(d)系統(tǒng)規(guī)則庫具有自動更新功能。最后，將模糊路徑查詢系統(tǒng)運用于PX吸附分離過程。 在實施應用方面，完成了“某冶煉企業(yè)鉛燒結煙氣制酸過程關聯規(guī)則挖掘”項目 在該項目實施中，通過對鉛燒