统计学习理论与支持向量机在过程控制中的应用

介绍统计学习理论与支持向量机的主要内容与研究现状,将支持向量机与过程控制中广泛应用的前馈神经网络进行比较,指出其适用于过程控制的一些特性。着重提出统计学习理论与支持向量机在过程控制中的一些应用途径和策略,并对未来的研究作了展望。     

应用不同机器学习算法预测化学链中氧载体性能

低成本和高性能的氧载体材料筛选是化学链技术未来商业应用的关键。超过1000种材料被作为氧载体在化学链条件下进行测试。其中,矿石和工业副产品作为氧载体最近引起关注,其成本低、供应方便,特别是与固体燃料具有充分的反应性。然而,这些材料具有高度可变的成分,影响其在化学链中的性能,采用试验方法逐个测试成本巨大。运用新兴的机器学习算法,以天然锰矿为对象,将已有的试验数据作为训练集,预测含锰矿物在化学链反应中的性能,并对比支持向量机和人工神经网络2种算法在预测过程中的表现。结果显示,这2种算法对训练集内的数据均有较好准确性,但对新输入值预测的准确性、鲁棒性方面存在差异。支持向量机可以避免神经网络在小样本训练集下存在的过度拟合现象。灵敏度分析表明氧载体锰含量变化对反应特性的影响较大,而比表面积的影响较小。     

机器学习在热电材料领域中的应用

热电材料是环境友好型能源转换材料,涉及的体系十分多样。其性能优化是一个多参数协调的复杂问题,一直是研究者们关注的热点。虽然热电的计算模拟方法和实验方法发展迅速,但是热电材料的搜索效率仍需要进一步提高。机器学习具有计算成本低和预测速度高的优势,可以快速缩小搜索空间,加快对热电材料结构和性能优化的研究。本综述从数据类型的角度出发,介绍了热电材料中的小样本数值数据(数据量约为102),大样本数值数据(数据量大于104)及图片数据中机器学习的应用和研究进展,进一步详细地讨论了在不同的数据类型中研究热电材料的结构和性能所使用的不同的机器学习算法模型,并对其未来的发展趋势和应用方向进行了展望。     

计算机辅助设计在胎面胶损耗因子优化中的应用研究

以胎面胶为研究对象,应用拉丁超立方抽样策略合理安排试验获得试验数据,以硬度和300%定伸应力为约束条件、以损耗因子为优化目标,采用支持向量机分别建立损耗因子、硬度和300%定伸应力模型。应用遗传算法在硬度和300%定伸应力约束条件下对损耗因子进行优化,得到近似最优值。结果表明,数值优化结果与试验结果基本一致,证明该方法可行。     

改进型BP网络在重复压裂选井中的应用

压裂效果受到多个影响因素共同影响,且各个因素之间有着比较复杂的关系,具有高度不确定的非线性关系,利用传统的预测方法有诸多限制.本文针对这种情况,运用具有良好的非线性映射能力的BP神经网络方法,通过Microsoft Visual Basic6.0编制了压裂井优选软件实现了压裂效果的预测,从而达到了优选压裂井的目的....     

支持向量机综述

支持向量机是基于统计学习理论的一种新的机器学习方法,因其出色的学习性能在国内外学术界引起了日益广泛的重视。本文介绍了支持向量机的基本原理,回顾了SVM近年来的研究与应用,并给出了总结和展望。     

BP神经网络在油水井压裂酸化选井中的应用

要获得好的压裂酸化增产效果，选择合适的施工井是很重要的。本文采用BP神经网络模型，对需要进行压裂的井进行排序。该方法克服了模糊数学方法在压裂酸化选井中对权重人为的设定，达到了科学决策的目的。并采用MATLAB6．5软件对此方法经行计算。     

压裂废水处理试验在施工中的应用分析

随着对环境保护要求的提高,对各种井下作业污水进行有效的处理使其达标外排或再利用,可以消除环境污染、节约水资源、降低作业成本、提高作业效率、树立良好的对外形象。     

支持向量机在粉煤灰分类中的应用

针对以往粉煤灰分类的片面性,选择粉煤灰有关的化学成分和物理性质为特征向量,提出了基于支持向量机的粉煤灰科学分类。结果表明,此方法不仅结构简单,而且技术性能尤其是泛化能力与神经网络相比有明显提高,较全面地反映了粉煤灰的活性,从而为粉煤灰的综合利用及优化配置奠定了基础。     

Nonlinear model predictive control based on support vector machine and genetic algorithm

This paper presents a nonlinear model predictive control (NMPC) approach based on support vector machine (SVM) and genetic algorithm (GA) for multiple-input multiple-output (MIMO) nonlinear systems. Individual SVM is used to approximate each output of the controlled plant. Then the model is used in MPC control scheme to predict the outputs of the controlled plant. The optimal control sequence is calculated using GA with elite preserve strategy. Simulation results of a typical MIMO nonlinear system show that this method has a good ability of set points tracking and disturbance rejection.     

基于极限学习机的汽轮机故障诊断

针对汽轮机故障诊断中出现的多故障识别问题,为有效提高汽轮机多故障诊断的准确率,提出了基于极限学习机的汽轮机故障诊断方法.极限学习机算法在训练时只需设置隐含层神经元个数,从而解决了如神经网络及支持向量机等多参数选取困难的问题,有效地提高了学习机的训练速度.在确定了最优参数的基础上,将极限学习机应用于汽轮机故障诊断模型中,并将极限学习机的故障诊断结果与支持向量机的诊断结果进行对比.结果表明：基于极限学习机的多故障诊断速度及准确率均明显优于支持向量机的诊断结果,对汽轮机故障诊断的实践有非常显著的指导作用.     

Application and Evaluation of Random Forest Classifier Technique for Fault Detection in Bioreactor Operation

Bioreactors and associated bioprocesses are quite complex and nonlinear in nature. A small change in initial condition can greatly alter the output product quality. It is pretty difficult at times to model the system mathematically. In this work, the fault detection problem is studied in the context of bioreactors, mainly, a reactor from the penicillin production process. It is very important to identify the faults in a live process to avoid product quality deterioration. We have focused on the process history-based methods to identify the faults in a bioreactor. We want to introduce random forest (RF), a powerful machine learning algorithm, to identify several types of faults in a bioreactor. The algorithm is simple, easy to use, shows very good generalization ability without compromising much on the classification accuracies, and also has an ability to give variable importance as a part of the algorithm output. We compared its performance with two popular methods, namely support vector machines (SVM) and artificial neural networks (ANN), and found that the overall performance is superior in terms of classification accuracies and generalization ability.     

基于改进极限学习机的透明塑料裂痕检测

针对透明塑料中微小裂痕难以检测的问题,提出了基于改进的极限学习机算法的检测方法,采用卷积神经网络以组建特征提取器;同时,采用基于狮群算法优化的改进极限学习机算法以构建分类器。在改进极限学习机算法中,狮群算法被用于优化隐含层神经元和输入层神经元之间的权重矩阵,提高了透明塑料微小裂痕检测实验中的识别率。     

探究支持向量机算法在化学化工中的应用

计算机技术的快速发展,给化学化工数据的处理带来极大便利。通过机器学习算法,可以总结化学化工实验规律,控制化工生产过程。原有的机器算法虽能为化学化工带来很大便利,但是它本身就存在缺陷。机器学习算法的核心是数学中的渐近理论,这项理论的适用情景是必须有大量的样本,而实际的化学化工工作中样本有限,这就可能导致计算中的过拟合。为了解决这一弊病,我们采用了向量机算法取代原有的机器算法,目前使用支持向量机算法(SVM)建立数学模型已经得到国内外的广泛关注。笔者通过调查化学化工行业中SVM的使用情况,阐述了向量机算法的优势,分析了它在食品检验、化工生产等多项领域的应用。     

基于机器学习的塑料分类回收预测系统

塑料分类回收预测系统主要由垃圾接收装置、垃圾预测分类装置、垃圾压缩装置和垃圾回收储存装置4部分组成,其中垃圾预测分类装置凭借提出的塑料预测分类模型执行塑料分类工作。塑料预测分类模型应用深层次的Inception卷积神经网络,提取高度抽象的关键塑料特征。实验结果表明:塑料分类回收预测系统的预测分类准确率高于传统的预测分类模型约2%。     

压裂返排液回收再利用技术的研究与应用

压裂是改造储层促进增产的重要施工手段,随着体积压裂等大规模施工工艺技术的应用,压裂液用量越来越大,压裂施工后返排液量也随之大幅增加,这些压裂返排液的大量排放造成了污水处理成本的骤增,污染物排放的加大。通过压裂返排液回收再利用技术的介绍,以促进节水减排工艺技术的进步,为绿色石油、环保中国多作贡献。     

Machine Learning in Chemical Engineering: A Perspective

The transformation of the chemical industry to renewable energy and feedstock supply requires new paradigms for the design of flexible plants, (bio-)catalysts, and functional materials. Recent breakthroughs in machine learning (ML) provide unique opportunities, but only joint interdisciplinary research between the ML and chemical engineering (CE) communities will unfold the full potential. We identify six challenges that will open new methods for CE and formulate new types of problems for ML: (1) optimal decision making, (2) introducing and enforcing physics in ML, (3) information and knowledge representation, (4) heterogeneity of data, (5) safety and trust in ML applications, and (6) creativity. Under the umbrella of these challenges, we discuss perspectives for future interdisciplinary research that will enable the transformation of CE.     

水力压裂技术在延长油田的应用与认识

水力压裂是一种改造低渗透油藏渗流能力、稳定和提高油井产量的较好措施之一,但是影响水力压裂效果的因素较多,如压裂液类型、支撑剂的选择等。为了达到理想的压裂效果,必须综合考虑各个影响因素之间的相互关系,找出影响压裂效果的主要因素。     

应用优化的BP神经网络模型预测储层伤害程度

为了快速、准确的预测柴西北区N21～N22储层伤害程度,在收集岩心分析资料的基础上,建立了预测储层敏感性伤害的神经网络模型。该神经网络模型运用遗传算法和Levenberg-Marquardt算法对BP神经网络的权阈值进行搜索,改进了以往神经网络模型容易陷入局部最优以及收敛速度慢的缺点,有效提高了网络的收敛性和预测的准确率。仿真结果表明：优化后的BP神经网络模型的敏感性伤害程度预测结果与岩心流动实验结果符合率高,同时,优化后的BP神经网络模型比以往的BP网络模型预测速度快、精度高。