能源化工裝置運行數(shù)據(jù)挖掘技術(shù)及應(yīng)用
定 價：138 元
- 作者：劉超鋒 編著
- 出版時間：2021/8/1
- ISBN：9787122390578
- 出 版 社：化學工業(yè)出版社
- 中圖法分類：TQ050.3
- 頁碼：277
- 紙張：
- 版次：01
- 開本：16開
本書提供能源化工裝置實際運行數(shù)據(jù)挖掘技術(shù)，從需要的數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析、數(shù)據(jù)建模及模型應(yīng)用等整個過程的具體內(nèi)容；基于不同的問題需要考慮不同的解決方案，涵蓋應(yīng)用中常見的神經(jīng)網(wǎng)絡(luò)方法、支持向量機方法、基因表達式編程方法等挖掘與分析領(lǐng)域的實用技術(shù)，對于某一個具體的能源化工裝置所述范圍不拘泥于某種特定的方案。圍繞具體案例展 開敘述原理、最新的方法和實用研究手段；既有具體的優(yōu)化過程闡述，又給出了優(yōu)化結(jié)果，提供的具體源代碼和計算機軟件詳細的操作步驟方便讀者參考。本書論述具體，內(nèi)容生動，兼?zhèn)浼夹g(shù)性和前瞻性。書中給出的實例，有助于讀者根據(jù)章節(jié)中涉及內(nèi)容的結(jié)果搞清楚實例的整個過程并且掌握所學內(nèi)容，從而學會利用運行數(shù)據(jù)集開展數(shù)據(jù)挖掘與預(yù)測分析而解決實際問題。本書適合能源化工裝置實際運行數(shù)據(jù)挖掘分析領(lǐng)域從事實際研究、開發(fā)、生產(chǎn)和管理的 科研人員和工程技術(shù)人員針對不同的問題需要用不同的數(shù)據(jù)挖掘技術(shù)解決方案時使用。
緒論1
0.1參與挖掘的運行數(shù)據(jù)的選擇1
0.1.1篩除異常數(shù)據(jù)2
0.1.2輸入變量增減2
0.1.3樣本數(shù)量增減3
0.1.4樣本數(shù)據(jù)的預(yù)處理4
0.2數(shù)學挖掘模型的性能指標5
0.3數(shù)據(jù)挖掘典型方法7
0.3.1回歸分析8
0.3.2反向傳播神經(jīng)網(wǎng)絡(luò)8
0.3.3徑向基神經(jīng)網(wǎng)絡(luò)13
0.3.4支持向量機16
0.4數(shù)據(jù)挖掘模型的應(yīng)用20
第1章能源化工典型裝置運行數(shù)據(jù)挖掘22
1.1粉磨裝置23
1.2電站鍋爐23
1.3換熱裝置25
1.3.1空調(diào)裝置26
1.3.2板式換熱器29
1.3.3連續(xù)螺旋折流板管殼式換熱器29
1.4氣化爐30
1.5裂解爐31
1.6反應(yīng)裝置32
1.6.1原料利用率的預(yù)測32
1.6.2產(chǎn)品質(zhì)量的預(yù)測32
1.6.3產(chǎn)品轉(zhuǎn)化率的預(yù)測35
1.7離心式壓縮機透平35
1.8工藝管道36
第2章基于RBFNN的流化床裝置運行數(shù)據(jù)挖掘37
2.1傳統(tǒng)的經(jīng)驗關(guān)聯(lián)方法存在的問題38
2.2模型優(yōu)化需要解決的問題39
2.3研究方案40
2.3.1基于人工選擇檢驗樣本41
2.3.2基于隨機選擇檢驗樣本41
2.3.3基于連續(xù)冒泡法選擇檢驗樣本41
2.3.4三種技術(shù)路線的特點和對比43
2.4流化床內(nèi)球形大顆粒停留時間預(yù)測模型優(yōu)化43
第3章石灰石濕法煙氣脫硫裝置運行數(shù)據(jù)挖掘49
3.1基于GeneXproTools的基因表達式建模49
3.1.1模型建立過程49
3.1.2模型預(yù)測過程59
3.1.3最大遺傳代數(shù)的影響61
3.1.4基于正交試驗的模型優(yōu)化64
3.1.5基于單因素分析及均勻設(shè)計的模型優(yōu)化68
3.1.6基于響應(yīng)面設(shè)計的模型優(yōu)化70
3.1.7考慮歸一化與解釋變量80
3.2基于高精度模型的預(yù)測81
3.3小結(jié)84
第4章基于SPSS Modeler的臥式螺旋離心機運行數(shù)據(jù)挖掘85
4.1各影響因素的分析85
4.1.1各影響因素的量綱分析85
4.1.2三個因素構(gòu)造的量86
4.1.3四個因素構(gòu)造的量86
4.1.4可能的解釋變量組合86
4.2建模過程87
4.3干污泥量模型優(yōu)化99
4.4泥餅含水率模型優(yōu)化107
4.5力矩模型優(yōu)化109
第5章基于LIBSVM的臥式螺旋離心機運行數(shù)據(jù)挖掘111
5.1在LIBSVM中的數(shù)據(jù)挖掘過程111
5.1.1程序設(shè)計流程113
5.1.2程序代碼113
5.1.3程序運行結(jié)果115
5.2粒子群優(yōu)化LIBSVM的數(shù)據(jù)挖掘模型116
5.2.1程序設(shè)計流程116
5.2.2程序代碼117
5.2.3程序運行結(jié)果120
5.3訓練樣本篩選后的模型優(yōu)化122
第6章典型分離裝置運行數(shù)據(jù)挖掘模型125
6.1塔設(shè)備125
6.2色譜分離設(shè)備129
6.3脫水機130
6.4電滲析設(shè)備131
6.5吸附裝置134
6.5.1變壓吸附134
6.5.2移動床逆流選擇性吸附135
6.6萃取裝置136
6.6.1串級萃取136
6.6.2超臨界萃取138
6.6.3微波萃取138
6.7膜分離裝置140
6.7.1微濾140
6.7.2超濾141
6.7.3反滲透142
6.8氣固過濾裝置143
第7章變壓吸附設(shè)備運行數(shù)據(jù)挖掘146
7.1解釋變量組合方案147
7.2訓練樣本方案147
7.3基于SPSS Modeler的數(shù)據(jù)挖掘147
7.3.1解釋變量方案設(shè)計147
7.3.2訓練樣本和測試樣本選取方案設(shè)計148
7.3.3數(shù)據(jù)挖掘過程148
7.3.4基于均勻設(shè)計的模型優(yōu)化158
7.3.5基于縮小樣本規(guī)模的模型優(yōu)化160
7.3.6優(yōu)化后的模型162
第8章反滲透設(shè)備的運行數(shù)據(jù)挖掘163
8.1待挖掘的運行數(shù)據(jù)163
8.2基于GeneXproTools的模型優(yōu)化164
8.2.1數(shù)據(jù)建模的過程164
8.2.2基于均勻設(shè)計的模型優(yōu)化168
8.3基于LIBSVM的模型優(yōu)化175
8.3.1建模方案設(shè)計175
8.3.2模型建立過程176
8.3.3第一段數(shù)據(jù)建模結(jié)果180
8.3.4第二段數(shù)據(jù)建模結(jié)果181
第9章油田原油三相分離器運行數(shù)據(jù)挖掘183
9.1數(shù)據(jù)預(yù)處理方案183
9.2基于SPSS Modeler的數(shù)據(jù)挖掘模型篩選184
9.2.1建模流程184
9.2.2模型的優(yōu)化193
第10章干燥典型設(shè)備運行數(shù)據(jù)挖掘模型197
10.1真空脈動干燥裝置197
10.2氣流干燥裝置198
10.3滾筒干燥器199
10.3.1能耗的預(yù)測199
10.3.2產(chǎn)品質(zhì)量的預(yù)測200
10.4噴霧干燥器201
10.5流化床干燥器202
10.6旋轉(zhuǎn)閃蒸干燥器202
10.7旁熱式輻射與對流干燥機203
10.8氣體射流沖擊干燥裝置204
10.9超聲強化熱風干燥裝置206
第11章基于RBFNN的流化床干燥器運行數(shù)據(jù)挖掘207
11.1生產(chǎn)熱效率預(yù)測模型207
11.1.1基于人工選擇檢驗樣本208
11.1.2基于連續(xù)冒泡法選擇檢驗樣本209
11.1.3小結(jié)212
11.2干燥懸浮液時產(chǎn)品含固率預(yù)測模型212
11.2.1基于連續(xù)冒泡法選擇檢驗樣本213
11.2.2基于優(yōu)化后的模型研究含固率215
11.2.3小結(jié)220
11.3結(jié)果及討論220
第12章流化床干燥器換熱系數(shù)關(guān)聯(lián)數(shù)據(jù)挖掘222
12.1基于Engauge Digitizer的曲線數(shù)據(jù)化222
12.1.1原始曲線圖有效范圍選取222
12.1.2截圖載入223
12.1.3設(shè)置橫縱坐標軸223
12.1.4選擇數(shù)據(jù)點225
12.1.5數(shù)據(jù)導(dǎo)出225
12.2基于SPSS Modeler的SVM建模228
12.3對SVM模型的篩選241
12.3.1不同解釋變量情況下241
12.3.2不同歸一化情況下241
12.3.3分兩段的情況下241
12.3.4分三段的情況下241
第13章卷煙廠烘絲裝置運行數(shù)據(jù)挖掘242
13.1基于SPSS Modeler的SVM建模242
13.2基于均勻試驗的模型篩選257
13.2.1核函數(shù)為RBF時257
13.2.2多項式核函數(shù)時261
13.3基于人工分區(qū)試驗的結(jié)果265
參考文獻272
書單推薦
