全文总字数：4042字
文献综述
文 献 综 述一、基于工业大数据的生产过程操作模式识别与优化的背景与意义化工、冶金、制药等流程工业随着企业规模扩大和生产工艺的越发复杂, 依据物理化学机理建立精确数学模型,并对生产过程和设备进行控制、决策、调度和故障诊断已变得越来越困难。
利用数据挖掘、机器学习、模式识别和数理统计等数据驱动方法进行相关问题的建模和分析正在广为接受。
存储技术和企业信息化水平的提高, 使得企业存储了大量生产、调度、供应链等各个层面的数据, 也客观上为数据驱动方法的成功使用创造了条件。
实际石化生产过程中的数据，往往呈现出比较复杂的特点，主要体现为数据量巨大、高噪声和不完备，给数据的处理造成了很大的困难，然而这些数据中积累蕴含了很多潜在的运行规律和知识。
如何利用历史过程现场数据挖掘出有用的 操作模式来为在线运行的工况操作提供指导，是非常有意义的研究[1]。
二、国内研究现状及应用1、过程的模型化研究有机理模型、数据模型和智能集成模型三种建模方法[11]。
（1）基于机理过程模型构建技术：基于机理过程模型构建技术是从过程机理和生产设备的具体原理出发，结合物料平衡、能量平衡、热力学平衡原理等知识，推导出反映铜闪速熔炼生产过程中工况条件参数、操作参数与工艺指标参数之间的关系。
（2）基于数据的建模技术：基于数据的建模技术是通过研究可观测数据样本，寻找系统输入与系统输出之间的规律，并利用这些规律对未来数据或无法观测的数据样本进行估计的一种建模方法。
常见的数据建模方法有线性回归、经验回归、统计回归，以及借助神经网络、模糊逻辑、模式识别等智能化技术和理论的建模方法。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
