基于數(shù)據(jù)挖掘的偏三甲苯生產(chǎn)優(yōu)化系統(tǒng).pdf

1、數(shù)據(jù)挖掘是指綜合運(yùn)用多種算法，對大量數(shù)據(jù)進(jìn)行計算機(jī)處理，通過信息加工，提取有用信息，發(fā)現(xiàn)自然規(guī)律，用以指導(dǎo)實(shí)踐。 本文工作分三部分：第一部分：基于數(shù)據(jù)挖掘的偏三甲苯生產(chǎn)優(yōu)化控制系統(tǒng)。從重芳烴中提取偏三甲苯是一個典型的精餾過程，但由于產(chǎn)品和其它組分的沸點(diǎn)接近，加之影響生產(chǎn)的主要操作變量多，變量之間又相互關(guān)聯(lián)，因此生產(chǎn)操作難度大，難以理清生產(chǎn)參數(shù)的優(yōu)化規(guī)律。某煉油廠偏三甲苯的回收率不高，產(chǎn)品不合格率比較高，因此，在保證產(chǎn)品質(zhì)量合格的

2、前提下，提高偏三甲苯的回收率是優(yōu)化生產(chǎn)的重要課題。 筆者用數(shù)據(jù)挖掘技術(shù)對生產(chǎn)數(shù)據(jù)進(jìn)行處理，分析了影響生產(chǎn)的重要操作參數(shù)，找到影響產(chǎn)品質(zhì)量不合格的原因，提出了適合生產(chǎn)操作的“輕雜質(zhì)”和“重雜質(zhì)”的定義。本文用多種模式識別方法建立了數(shù)學(xué)模型，如將回流量和回流溫度之間的關(guān)系歸納成數(shù)學(xué)表達(dá)式，當(dāng)已知原料性質(zhì)時，選用合適的算式，在實(shí)際操作中，可根據(jù)回流溫度決定回流量調(diào)節(jié)，進(jìn)而調(diào)節(jié)塔頂溫度，這樣就可以保證產(chǎn)品質(zhì)量。本文用多種模型對生產(chǎn)數(shù)據(jù)進(jìn)

3、行分析，找到偏三甲苯生產(chǎn)優(yōu)化操作參數(shù)，在保證產(chǎn)品質(zhì)量的前提下，提高偏三甲苯的回收率，增加工廠的經(jīng)濟(jì)效益。值得一提的是：在分析偏三甲苯中輕雜質(zhì)含量的優(yōu)化規(guī)律時，引入了支持向量機(jī)算法，得到了很好的分類效果，對生產(chǎn)具有很重要的指導(dǎo)意義。 本文還用Master軟件處理了某鋼鐵股份有限公司一批數(shù)據(jù)，研究產(chǎn)品的物理性能與化學(xué)成分之間的一些關(guān)系。 第二部分：支持向量機(jī)方法用于藥物構(gòu)效關(guān)系的研究。支持向量機(jī)(SupportVectorM

4、achine，SVM)是一種特別適合用有限已知樣本訓(xùn)練建模，進(jìn)而預(yù)報未知樣本屬性的模式識別新算法。由于支持向量機(jī)算法的數(shù)學(xué)理論非常嚴(yán)格，同時考慮到擬合精度和對過擬合的抑制，故能基于小樣本集作較可靠的計算機(jī)預(yù)報。 將支持向量機(jī)算法用于醚菊酯類似物構(gòu)效關(guān)系的研究，結(jié)果表明：支持向量分類方法預(yù)報結(jié)果優(yōu)于主成分分析、人工神經(jīng)網(wǎng)絡(luò)、最近鄰方法。將支持向量回歸法用于1,4,2-二氮磷雜環(huán)戊-5-(硫)酮類化合物除草劑活性構(gòu)效關(guān)系的研究，所得