基于數據挖掘的偏三甲苯生產優(yōu)化系統(tǒng).pdf

1、數據挖掘是指綜合運用多種算法，對大量數據進行計算機處理，通過信息加工，提取有用信息，發(fā)現自然規(guī)律，用以指導實踐。 本文工作分三部分：第一部分：基于數據挖掘的偏三甲苯生產優(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，但由于產品和其它組分的沸點接近，加之影響生產的主要操作變量多，變量之間又相互關聯，因此生產操作難度大，難以理清生產參數的優(yōu)化規(guī)律。某煉油廠偏三甲苯的回收率不高，產品不合格率比較高，因此，在保證產品質量合格的

2、前提下，提高偏三甲苯的回收率是優(yōu)化生產的重要課題。 筆者用數據挖掘技術對生產數據進行處理，分析了影響生產的重要操作參數，找到影響產品質量不合格的原因，提出了適合生產操作的“輕雜質”和“重雜質”的定義。本文用多種模式識別方法建立了數學模型，如將回流量和回流溫度之間的關系歸納成數學表達式，當已知原料性質時，選用合適的算式，在實際操作中，可根據回流溫度決定回流量調節(jié)，進而調節(jié)塔頂溫度，這樣就可以保證產品質量。本文用多種模型對生產數據進

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

4、achine，SVM)是一種特別適合用有限已知樣本訓練建模，進而預報未知樣本屬性的模式識別新算法。由于支持向量機算法的數學理論非常嚴格，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預報。 將支持向量機算法用于醚菊酯類似物構效關系的研究，結果表明：支持向量分類方法預報結果優(yōu)于主成分分析、人工神經網絡、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效關系的研究，所得