本书从能源化工装置运行数据挖掘问题出发,介绍了应用于能源化工装置中的运行数据挖掘技术。本书对能源化工装置中运行数据挖掘的讲解是以数据准备、统计分析、模型优化、案例研究为线索,结合相应的案例开展研究工作,引导读者熟悉并理解各种方法的操作。 本书系统地介绍了参与挖掘的运行数据的选择、数学挖掘模型的性能指标和数据挖掘模型的应用;能源化工典型装置运行数据挖掘,涉及粉磨装置、电站锅炉、换热装置、气化炉、裂解炉、反应装置、离心式压缩机透平和工艺管道;流化床装置基于径向基函数神经网络(RBFNN)的运行数据挖掘;石灰石湿法烟气脱硫装置运行数据挖掘;基于SPSS Modeler的卧式螺旋离心机运行数据挖掘;基于LIBSVM的卧式螺旋离心机运行数据挖掘;分离典型装置运行数据挖掘模型,包括塔设备、色谱分离设备、脱水机、电渗析设备、吸附装置、萃取装置、膜分离装置和气固过滤装置;变压吸附设备运行数据挖掘;反渗透设备运行数据挖掘;油田原油三相分离器运行数据挖掘;干燥典型设备运行数据挖掘模型,包括真空脉动干燥装置、气流干燥装置、滚筒干燥器、喷雾干燥器、流化床干燥器、旋转闪蒸干燥器、旁热式辐射与对流干燥机、气体射流冲击干燥装置和超声强化热风干燥装置;基于RBFNN的流化床干燥器运行数据挖掘;流化床干燥器换热系数关联数据挖掘;卷烟厂烘丝装置运行数据挖掘。 本书对能源化工装置实际运行数据挖掘分析领域从事实际研究、开发、生产和管理的科研人员和工程技术人员有所裨益。阅读本书可知如何进行数据挖掘增加能源化工装置的经济效益。 本书可作为能源化工装置实际运行数据挖掘相关人员的技术参考书,也适合作为能源科学与工程专业、化学工程与工艺、自动化、过程装备与控制工程等专业高年级大学生和研究生教材或教学参考书。 本书由郑州轻工业大学刘超锋编著。在成书过程中,得到郑州轻工业大学相关学院领导的热情鼓励;学生叶松、施娅、肖湘、陈远、付洁、刘骁、雒维文参与了本书的图文输入。此外,本书参考了大量的文献资料,在此一并致谢。 限于作者的水平,不足之处在所难免,敬请读者批评指正。 编著者 2021年1月
本书介绍能源化工装置实际运行数据挖掘技术,包括数据预处理、数据分析、数据建模及模型应用等整个过程的具体内容。基于不同的问题需要考虑不同的解决方案,包括应用中常见的神经网络方法、支持向量机方法、基因表达式编程方法等挖掘与分析领域的实用技术。本书围绕具体案例展开原理叙述、最新方法和实用研究手段,既有具体的优化过程阐述,又给出了优化结果,所提供的具体源代码和计算机软件详细的操作步骤方便读者参考。 本书内容生动,兼具技术性和前瞻性。书中给出的实例,有助于读者掌握所学内容,利用运行数据集开展数据挖掘与预测分析,从而解决实际问题。 本书可作为从事能源化工装置实际运行数据挖掘分析领域的研发、生产和管理人员及工程技术人员的参考书,也可以作为能源科学与工程、化学工程与工艺、自动化、过程装备与控制工程等专业师生的辅助教材。
绪论1 0.1参与挖掘的运行数据的选择1 0.1.1筛除异常数据2 0.1.2输入变量增减2 0.1.3样本数量增减3 0.1.4样本数据的预处理4 0.2数学挖掘模型的性能指标5 0.3数据挖掘典型方法7 0.3.1回归分析8 0.3.2反向传播神经网络8 0.3.3径向基神经网络13 0.3.4支持向量机16 0.4数据挖掘模型的应用20 第1章能源化工典型装置运行数据挖掘22 1.1粉磨装置23 1.2电站锅炉23 1.3换热装置25 1.3.1空调装置26 1.3.2板式换热器29 1.3.3连续螺旋折流板管壳式换热器29 1.4气化炉30 1.5裂解炉31 1.6反应装置32 1.6.1原料利用率的预测32 1.6.2产品质量的预测32 1.6.3产品转化率的预测35 1.7离心式压缩机透平35 1.8工艺管道36 第2章基于RBFNN的流化床装置运行数据挖掘37 2.1传统的经验关联方法存在的问题38 2.2模型优化需要解决的问题39 2.3研究方案40 2.3.1基于人工选择检验样本41 2.3.2基于随机选择检验样本41 2.3.3基于连续冒泡法选择检验样本41 2.3.4三种技术路线的特点和对比43 2.4流化床内球形大颗粒停留时间预测模型优化43 第3章石灰石湿法烟气脱硫装置运行数据挖掘49 3.1基于GeneXproTools的基因表达式建模49 3.1.1模型建立过程49 3.1.2模型预测过程59 3.1.3最大遗传代数的影响61 3.1.4基于正交试验的模型优化64 3.1.5基于单因素分析及均匀设计的模型优化68 3.1.6基于响应面设计的模型优化70 3.1.7考虑归一化与解释变量80 3.2基于高精度模型的预测81 3.3小结84 第4章基于SPSS Modeler的卧式螺旋离心机运行数据挖掘85 4.1各影响因素的分析85 4.1.1各影响因素的量纲分析85 4.1.2三个因素构造的量86 4.1.3四个因素构造的量86 4.1.4可能的解释变量组合86 4.2建模过程87 4.3干污泥量模型优化99 4.4泥饼含水率模型优化107 4.5力矩模型优化109 第5章基于LIBSVM的卧式螺旋离心机运行数据挖掘111 5.1在LIBSVM中的数据挖掘过程111 5.1.1程序设计流程113 5.1.2程序代码113 5.1.3程序运行结果115 5.2粒子群优化LIBSVM的数据挖掘模型116 5.2.1程序设计流程116 5.2.2程序代码117 5.2.3程序运行结果120 5.3训练样本筛选后的模型优化122 第6章典型分离装置运行数据挖掘模型125 6.1塔设备125 6.2色谱分离设备129 6.3脱水机130 6.4电渗析设备131 6.5吸附装置134 6.5.1变压吸附134 6.5.2移动床逆流选择性吸附135 6.6萃取装置136 6.6.1串级萃取136 6.6.2超临界萃取138 6.6.3微波萃取138 6.7膜分离装置140 6.7.1微滤140 6.7.2超滤141 6.7.3反渗透142 6.8气固过滤装置143 第7章变压吸附设备运行数据挖掘146 7.1解释变量组合方案147 7.2训练样本方案147 7.3基于SPSS Modeler的数据挖掘147 7.3.1解释变量方案设计147 7.3.2训练样本和测试样本选取方案设计148 7.3.3数据挖掘过程148 7.3.4基于均匀设计的模型优化158 7.3.5基于缩小样本规模的模型优化160 7.3.6优化后的模型162 第8章反渗透设备的运行数据挖掘163 8.1待挖掘的运行数据163 8.2基于GeneXproTools的模型优化164 8.2.1数据建模的过程164 8.2.2基于均匀设计的模型优化168 8.3基于LIBSVM的模型优化175 8.3.1建模方案设计175 8.3.2模型建立过程176 8.3.3第一段数据建模结果180 8.3.4第二段数据建模结果181 第9章油田原油三相分离器运行数据挖掘183 9.1数据预处理方案183 9.2基于SPSS Modeler的数据挖掘模型筛选184 9.2.1建模流程184 9.2.2模型的优化193 第10章干燥典型设备运行数据挖掘模型197 10.1真空脉动干燥装置197 10.2气流干燥装置198 10.3滚筒干燥器199 10.3.1能耗的预测199 10.3.2产品质量的预测200 10.4喷雾干燥器201 10.5流化床干燥器202 10.6旋转闪蒸干燥器202 10.7旁热式辐射与对流干燥机203 10.8气体射流冲击干燥装置204 10.9超声强化热风干燥装置206 第11章基于RBFNN的流化床干燥器运行数据挖掘207 11.1生产热效率预测模型207 11.1.1基于人工选择检验样本208 11.1.2基于连续冒泡法选择检验样本209 11.1.3小结212 11.2干燥悬浮液时产品含固率预测模型212 11.2.1基于连续冒泡法选择检验样本213 11.2.2基于优化后的模型研究含固率215 11.2.3小结220 11.3结果及讨论220 第12章流化床干燥器换热系数关联数据挖掘222 12.1基于Engauge Digitizer的曲线数据化222 12.1.1原始曲线图有效范围选取222 12.1.2截图载入223 12.1.3设置横纵坐标轴223 12.1.4选择数据点225 12.1.5数据导出225 12.2基于SPSS Modeler的SVM建模228 12.3对SVM模型的筛选241 12.3.1不同解释变量情况下241 12.3.2不同归一化情况下241 12.3.3分两段的情况下241 12.3.4分三段的情况下241 第13章卷烟厂烘丝装置运行数据挖掘242 13.1基于SPSS Modeler的SVM建模242 13.2基于均匀试验的模型筛选257 13.2.1核函数为RBF时257 13.2.2多项式核函数时261 13.3基于人工分区试验的结果265 参考文献272
ISBN:978-7-122-39057-8
语种:汉文
开本:16
出版时间:2021-08-01
装帧:平
页数:277