过程工业大数据建模研究展望

被引：90

作者：

刘强 ^{[1
,2
]}

秦泗钊 ^{[2
,3
]}

机构：

[1] 东北大学流程工业综合自动化国家重点实验室

[2] 美国南加州大学化工系

[3] 香港中文大学(深圳)

来源：

自动化学报 | 2016年 / 42卷 / 02期

基金：

中国博士后科学基金;

关键词：

过程工业大数据; 多层面数据潜结构建模; 多时空时间序列数据建模; 大数据计算架构;

D O I：

10.16383/j.aas.2016.c150510

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

人们对大数据的认识已从"3Vs"(Volume—大容量;Variety—多样性;Velocity—处理实时性)、"4Vs"("3Vs"与Value—价值)、到现今的"5Vs"("4Vs"与Veracity—真实性).在此背景下,首先分析过程工业大数据的"5Vs"特性;接下来,综述现有数据建模方法,并结合过程工业大数据特有性质(包括:多层面不规则采样性、多时空时间序列性、不真实数据混杂性)论述现有数据建模方法应用于工业大数据建模时的局限;最后,探讨过程工业大数据建模有待研究的问题,包括:1)多层面不规则采样数据的潜结构建模;2)用于事件发现、决策和因果分析的多时空时间序列数据建模;3)含有不真实数据的鲁棒建模;4)支持实时建模的大容量数据计算架构与方法.

引用

页码：161 / 171

页数：11

共 32 条

[1] 考虑梯度信息的ε-支持向量回归机[J]. 周晓剑.自动化学报. 2014(12)
[2] 基于Wiener结构的软测量模型及辨识算法[J]. 曹鹏飞,罗雄麟.自动化学报. 2014(10)
[3] 基于鲁棒优化的系统辨识算法研究
钱富才
黄姣茹
秦新强
[J]. 自动化学报, 2014, 40 (05) : 988 - 993
[4] 工业大数据云利用大数据集推动创新、竞争和增长
[J]. 自动化博览, 2012, (12) : 40 - 42
[5] 在线鲁棒最小二乘支持向量机回归建模
张淑宁
王福利
何大阔
贾润达
[J]. 控制理论与应用, 2011, 28 (11) : 1601 - 1606
[6] Process Data Analytics in the Era of Big Data
Qin, S. Joe
[J]. AICHE JOURNAL, 2014, 60 (09) : 3092 - 3100
[7] Root cause diagnosis of plant-wide oscillations using Granger causality[J] . Tao Yuan,S. Joe Qin.Journal of Process Control . 2013
[8] Addressing Big Data Time Series[J] . Thanawin Rakthanmanon,Bilson Campana,Abdullah Mueen,Gustavo Batista,Brandon Westover,Qiang Zhu,Jesin Zakaria,Eamonn Keogh.ACM Transactions on Knowledge Discovery from Data （TKDD） . 2013 (3)
[9] Quality‐relevant and process‐relevant fault monitoring with concurrent projection to latent structures[J] . S. Joe Qin,Yingying Zheng.AIChE J . 2012 (2)
[10] Survey on data-driven industrial process monitoring and diagnosis
Qin, S. Joe
[J]. ANNUAL REVIEWS IN CONTROL, 2012, 36 (02) : 220 - 234

← 1 2 3 4 →