[发明专利]一种基于动态卷积神经网络的复杂工业过程数据建模方法在审
| 申请号： | 201810459432.7 | 申请日： | 2018-05-15 |
| 公开（公告）号： | CN108776831A | 公开（公告）日： | 2018-11-09 |
| 发明（设计）人： | 袁小锋;王雅琳;夏海兵;李灵;吴东哲;潘卓夫;曹跃;桂卫华 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;C10G67/02 |
| 代理公司： | 北京纽乐康知识产权代理事务所(普通合伙) 11210 | 代理人： | 罗莎 |
| 地址： | 410000*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于动态卷积神经网络的复杂工业过程数据建模方法，包括以下步骤：选取与工业过程目标变量相关性强的过程变量，采样得到各过程变量的时间序列；用等深分箱箱形图对这些时间序列进行异常点检测与剔除，再用线性插值法填补；提取目标变量采样时刻前一个过程时滞范围内各过程变量的时间序列，组成包含过程动态特性的二维矩阵，形成图片式样本；构建动态卷积神经网络分析工业过程数据的动态特性、自动识别各敏感变量的时间和空间关系并建立目标变量的预测模型。本发明利用实际生产过程现场积累的大量历史数据，精准地建立了用可测过程变量预测难测目标变量的数据模型，对生产过程在线评估与动态调整、乃至节能减排具有重要意义。 | ||
| 搜索关键词： | 过程变量 目标变量 动态卷积 时间序列 复杂工业过程 神经网络 生产过程 数据建模 工业过程数据 过程动态特性 神经网络分析 异常点检测 采样时刻 动态调整 动态特性 二维矩阵 工业过程 节能减排 空间关系 历史数据 数据模型 预测模型 在线评估 重要意义 自动识别 插值法 箱形图 采样 等深 分箱 构建 时滞 剔除 式样 填补 敏感 预测 积累 图片 | ||
【主权项】：
1.一种基于动态卷积神经网络的复杂工业过程数据建模方法，其特征在于，所述方法包括：a、选取与复杂工业过程难测目标变量相关性强的过程变量，采样得到各过程变量的时间序列；b、利用等深分箱箱形图对所述各过程变量的时间序列进行异常点检测，并剔除检测到的异常点，然后使用线性插值法填补剔除的异常点位置；c、提取所述目标变量采样时刻前一个过程时滞范围内各过程变量的时间序列为特征，组成包含过程动态特性的二维矩阵，形成图片式样本；d、构建动态卷积神经网络(DCNN)分析工业过程数据的动态特性，自动识别各敏感变量的时间关系和空间关系，建立复杂工业过程目标变量的数据预测模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中南大学，未经中南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810459432.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种点钞机散热装置
- 下一篇：信息处理方法、装置、计算机设备和存储介质
