基于深度学习的复杂化工过程软测量模型研究与应用

被引：38

作者：

耿志强 ^{[1
,2
]}

徐猛 ^{[1
,2
]}

朱群雄 ^{[1
,2
]}

韩永明 ^{[1
,2
]}

顾祥柏 ^{[1
,2
,3
]}

机构：

[1] 北京化工大学信息科学与技术学院

[2] 智能过程系统工程教育部工程研究中心

[3] 中石化炼化工程(集团)股份有限公司

来源：

化工学报 | 2019年 / 70卷 / 02期

关键词：

长短期记忆网络; 神经网络; 平稳小波变换; 算法; 多尺度; 对苯二甲酸;

D O I：

暂无

中图分类号：

TQ018 [数学模型及放大]; TP18 [人工智能理论];

学科分类号：

083805 [警务大数据技术]; 140502 [人工智能];

摘要：

针对复杂化工生产过程中的一些原材料消耗量难以直接测量的问题,提出了一种基于深度学习的软测量方法。该方法基于一段时间的历史数据,利用平稳小波变换提取历史数据中的多尺度信息,然后与每一个时间点的可观测数据进行合并得到完整的数据集,再划分出训练集和测试集,用带有注意力机制的深度学习算法进行训练和泛化,进而建立软测量模型。最后将提出的方法应用到对苯二甲酸(PTA)生产装置乙酸消耗的软测量中。通过与极限学习机(extreme learning machine,ELM)、多层感知器(multi-layer perceptron,MLP)以及普通长短期记忆网络(long short-term memory,LSTM)方法比较,结果表明,该模型的预测准确度较高,具有一定的有效性和适用性,同时对PTA生产装置的乙酸消耗量进行预测分析,从而提高产能和降低能耗。

引用

页码：564 / 571

页数：8

共 21 条

[1]

基于Attention-Based LSTM模型的文本分类技术的研究 [D].

张冲 .

南京大学,

2016

[2]

基于极限学习机的复杂工业过程故障识别研究及应用 [D].

裘日辉 .

浙江大学,

2016

[3]

Energy saving and prediction modeling of petrochemical industries: A novel ELM based on FAHP.[J].ZhiQiang Geng;Lin Qin;YongMing Han;QunXiong Zhu.Energy.2017,

[4]

Energy efficiency analysis based on DEA integrated ISM: A case study for Chinese ethylene industries.[J].Yongming Han;Zhiqiang Geng;Gu Xiangbai;Qunxiong Zhu.Engineering Applications of Artificial Intelligence.2015,

[5]

Design of a Prototype Neural Network for Smart Homes and Energy Efficiency.[J].Tobias Teich;Falko Roessler;Daniel Kretz;Susan Franke.Procedia Engineering.2014,

[6]

Applying a supervised ANN (artificial neural network) approach to the prognostication of driven wheel energy efficiency indices.[J].Hamid Taghavifar;Aref Mardani.Energy.2014,

[7]

Soft sensor of chemical processes with large numbers of input parameters using auto-associative hierarchical neural network [J].

He, Yanlin ;

Xu, Yuan ;

Geng, Zhiqiang ;

Zhu, Qunxiong .

CHINESE JOURNAL OF CHEMICAL ENGINEERING, 2015, 23 (01) :138-145

[8]

Wavelet based artificial neural network applied for energy efficiency enhancement of decoupled HVAC system.[J].G. Jahedi;M.M. Ardehali.Energy Conversion and Management.2011, 1

[9]

The analytic hierarchy process and analytic network process: an overview of applications.[J].Seyhan Sipahi;Mehpare Timor.Management Decision.2010, 5

[10]

Learning to forget: Continual prediction with LSTM [J].

Gers, FA ;

Schmidhuber, J ;

Cummins, F .

NEURAL COMPUTATION, 2000, 12 (10) :2451-2471

← 1 2 3 →