基于支持向量机算法的芳烃抽提装置生产优化模型研究

将适合小样本数据建模的支持向量机算法（包括支持向量分类算法SVC和支持向量回归算法SCR）用于某石化公司芳烃抽提装置优化建模,建立了装置优化目标与有关工艺参数间的定性、定量模型。结果表明,抽余油中芳烃含量SVC模型的分类和预测正确率皆为100%;SVR模型对抽余油中芳烃含量的拟合与预报的均方根误差（RMSE）分别为0.072和0.060;抽余油中芳烃含量的SVR模型对128个训练集及32个测试集拟合和预测的R2和q2分别为0.820和0.867。应用所建优化模型,制定了装置生产优化方案,优化后抽余油中芳烃质量分数从0.82%降至0.74%,下降了9.8%。     

DMOS-基于多种数据挖掘算法的工业优化软件系列

基于我们多年从事炼油，化工，冶金工业优化工作的经验，参照国际上先进控制和优化工程公司的工作模式，开发了适用于生产过程优化，故障诊断，优化新产品研制和配方设计的软件系列DMOS。DMOS软件分开发软件和运用软件两大类，前者包括一个数据挖掘方法库，其中多种模式识别，支持向量机算法，线性和非线性回归以及人工神经网络组成一个信息处理的统一流程。可处理用户的数据，开发适合用户需要的DMOS运行软件。后者包括数据库，模型库和简易方法库，可直接对生产进行优化开环指导或在线控制，DMOS软件系列为化工，炼油，钢铁等行业生产过程优化的工程化运营创造了条件。     

基于Novell网的实时通讯软件开发

本文首先对Ｎｏｖｅｌｌ公司ｎｅｔｗａｒｅ网络操作系统所提供的多层次应用访问接口作一综合评述，然后进一步说明基于Ｎｅｔｗａｒｅ的ｎｅｔｂｉｏｓ仿真器开发实时通信程序的方法。     

优化建模技术和机器学习理论的新发展

化工，炼油，冶金等制造业产生过程，新产品研制，以及经营管理的优化能给企业带来巨大的经济效益。优化成功的前提是需要建立能预报优化控制条件的数学模型。用机器学习技术从已有的数据中抽提出有用信息，是建立有效数学模型的关键。本文回顾了优化建模技术及其理论基础的几个发展阶段，指出从线性建模到非线性建模，从追求经验风险极小化到追求实际风险极小化，从采用单一算法到建立多种算法相结合的信息处理平台，从单纯根据古典统计数学到参照新发展的统计学习理论，使优化建模技术由粗到精，由低级到高级，在生产过程，新产品研制和经营管理的优化中发挥更大作用。     

一个基于ULTRIX的数据采集和监控系统

本文介绍了一个基于ＵＬＴＲＩＸ的石油化工装数据采集和监控系统，并从过程Ｉ／Ｏ接口，在ＵＬＴＲＩＸ操作系统下开发的Ｏｎｓｉｔｅ软件，采用ＴＣＰ／２Ｐ网络协议以及Ｘｗｉｎｄｏｗ系统的应用等四个方面作了进一步的论述。     

基于数据挖掘的合成氨过程优化和监测系统应用研究

根据多年从事过程工业优化经验,开发了一种基于数据挖掘技术的、综合性和图形化的、适用于合成氨过程优化和监测的系统软件。该软件集成了模式识别、人工智能、统计学习理论、数据库技术和领域知识等常用的过程工业优化方法。优化软件具有多方法融合、参数选择、自动建模、模型验证、模型更新、多模型构建以及在线优化监测等新颖的特点,能有效解决合成氨过程优化问题。优化软件分为离线版和在线版两个版本,分别用于离线优化建模和在线优化监测。该优化软件已在云南云维集团有限公司合成氨过程生产优化中取得了满意的效果,有望在化工过程优化和监测中得到广泛应用。     

石化行业:迎接大数据时代

"三分技术、七分数据,得数据者得天下",作为最新最热的技术话题,大数据受到各行业的广泛关注。而其在石化行业的应用,更是业内的热门话题。事实上,大数据在石化行业并不是什么新鲜的词汇。现如今,面对节能的挑战、新能源的发展、两化融合等多项问题,石化行业必须通过大数据的创新与应用来应对挑战,通过大数据分析,完成相关信息采集,并对数据进行存储、检索和智能分析,从数据深度关联、可视化查询、数据报告等多个方向,为石化企业实现企业决策、生产管理的智能化提供数据支持。