一种新的测量数据校正方法—两步法

测量数据中所含的测量误差是影响化工过程监控质量的重要因素之一。本文提出一种新的测量数据校正方法—两步法,用于将难以求解的非线性校正问题转化为线性校正的问题,从而使得数据校正过程大为简化。文中还导出了两步法应用于反应器测量数据校正的公式。     

基于数据层面的不平衡数据集的分类方法

本文针对提高不均衡数据集中的少数类文本的分类性能这一问题,从数据层面处理的角度对数据进行重抽样。使用随机抽样的方法以提高分类器在不平衡数据集上的泛化能力,笔者提出一种改进的过抽样方法,在少数类中提取该类若干文本中的任意锻炼,再将提取出的段落添加至此类原始文本末尾,产生新的合成少数类样本,提高了小类别文本分类的正确率。     

基于特征共生矩阵的图像分类方法研究

针对词袋算法(BOW)忽略局部特征空间关系的弱点,本文提出了基于特征共生矩阵的图像表达方法。该方法利用局部特征的空间共生统计代替直方图统计,充分考虑了局部特征的空间关系,增强了对图像的表达能力。实验利用标准的景物15数据库,在灰度、尺度不变特征变换(SIFT)和局部二进制模式(LBP)3个特征空间,比较了本方法、词袋法以及空间金字塔方法(SPM)的图像分类性能,结果表明本方法比词袋法的图像分类性能分别高出21.2%、6.4%、4.67%,在灰度及LBP空间,本文方法比空间金字塔法分别高出17.07%、3.87%。     

基于软件开发模式下电子商务系统数据分类信息管理研究

本文首先讨论在新媒体环境下,对电子商务系统数据分类信息管理相关的软件的开发功能作介绍,并以此为基础对软件开发的步骤进行阐述,并提出完善软件功能的具体方法,对电子商务运行平台的运行环境进行深入分析,为电子商务系统数据分类信息管理氛围提供良好的环境,保障商务平台运行的稳定性,既保障数据信息的安全,同时也要加强电子商务系统数据分类信息管理的软件开发和软件功能的不断创新。     

关于化工数据校正问题的研究

介绍化工过程数据校正和参数估计的基本原理。提出对化工过程数据进行分类的新方法─—有序规则法，为正确设计测量点的位置提供了理论依据；提出非线性数据校正问题的线性化方法，有效地避免了易使校正问题繁解的非线性方程的出现。     

基于集成学习和代价敏感的类别不平衡数据分类算法

在数据分类分析中,一些特别的类别里往往存在更重要的信息。提出一种基于集成学习,欠采样和代价敏感的类别不平衡数据分类算法(USCensemble),来解决传统算法处理类别不平衡数据分类任务时难以正确识别少数类样本的问题。该算法首先运用EasyEnsemble的算法结构,在前一组数据训练完毕后,运用欠采样方法选取权重大的多数类样本,并将其与少数类样本结合为临时训练数据以此平衡数据集并进行下一轮训练。同时赋予少数类样本更大的错分代价,快速提高错误分类的少数类的样本权重,降低多数类的样本权重,使算法更倾向少数类的正确分类,达到对少数类样本正确识别的目的。在10个uci的数据集生成的分类任务上进行了对比实验,实验结果表明,该算法能更好地识别少数类样本。     

测井数据岩相分类的机器学习方法和大数据岩相分类探讨

对现有测井数据岩相分类的机器学习方法进行归纳总结,并针对大数据岩相分类的相关问题进行探讨。     

全厂物流数据校正模型及算法研究

流程工业企业计算机集成制造系统(CIMS)以产、供、销全方位的信息化为基础,优化生产,创造最大效益.在以数据为核心的流程工业CIMS系统中,采用数据校正技术可消除测量数据的不一致性和不完整性,为整个系统的正常运行提供可靠的数据源.针对流程工业企业工艺流程的特点,建立了全厂物流数据校正模型,提出了基于模型的数据协调及大误差侦破方法,实例计算展示了所提出的全厂物流数据校正模型及数据校正算法的有效性.     

朴素贝叶斯分类算法及其应用研究

介绍了朴素贝叶斯分类算法的原理,研究了基于朴素贝叶斯算法的数据分类。实际应用表明了朴素贝叶斯算法是一种有效的分类算法。     

基于投影算法的自适应中文版面分析方法研究

主要研究学术期刊类版面的分析方法,通过版面分析,将文档版面进行分割,划分出页眉以及主体版面的各个段落、标题。在页眉检测阶段,运用直线检测方法,检测页眉下方的一条直线,进而分割页眉与主体部分。在主体版面分析方面,采用投影轮廓算法思想,结合版面先验知识,采用自适应的阈值设定方法,划分版面的各个段落及标题。所采用的版面分析方法运算量较小,算法效率较高。     

A regularization approach to the reconciliation of constrained data sets

A new iterative solution to the statistical adjustment of constrained data sets is derived in this paper. The method is general and may be applied to any weighted least squares problem containing nonlinear equality constraints. Other methods are available to solve this class of problem, but are complicated when unmeasured variables and model parameters are not all observable and the model constraints are not all independent. Of notable exception, however, are the methods of Crowe (1986) and Pai and Fisher (1988), although these implementations require the determination of a matrix projection at each iteration which may be computationally expensive. An alternative solution which makes the pragmatic assumption that the unmeasured variables and model parameters are known with a finite but equal uncertainty is proposed. We then re-formulate the well known data reconciliation solution in the absence of these unknowns to arrive at our new solution; hence the regularization approach. Another procedure for the classification of observable and redundant variables which does not require the explicit computation of the matrix projection is also given. The new algorithm is demonstrated using three illustrative examples previously used in other studies.     

一种基于MATLAB优化工具箱的数据协调方法

为了解决测量数据的不一致问题,并在可能的情况下对未测过程变量进行估计,本文提出了一种基于MATLAB优化工具箱的数据协调方法,并将该方法用于两个稳态非线性过程系统的数据协调和变量分类。计算结果表明该方法实用、有效。     

The application of nonlinear dynamic data reconciliation to plant data

We have extended a fairly comprehensive data reconciliation approach called nonlinear dynamic data reconciliation (NDDR) that was originally presented by Liebman et al. (1994, Comput. Chem. Engng, 16, 963–986). This approach is capable of reconciling data from both steady-state and dynamic processes as well as estimating parameters and unmeasured process variables. One recently added feature is the ability to detect measurement bias. Each of these features were developed and tested using computer simulation. In this paper we report the successful application of NDDR to reconcile actual plant data from an Exxon Chemicals process.     

基于时间冗余的显著测量误差处理方法

提出基于时间冗余的不可删显著误差处理方法。对于该类特殊变量,采用线性回归的方法,根据历史数据进行预测,进而代替实际到量值进行协调运算。大大降低显著误差对协调数据的污染,确保协调物度。通过实例数据仿真计算证实该方法的有效性。     

数据协调中冗余性分析新方法

提出一种数据协调中的冗余性分析新方法 .根据尽量删除带有显著误差的变量 ,同时确保协调精度的原则 ,对所有检测出来的带有显著误差的变量 ,通过计算不同阶次的冗余度 ,按照冗余度的大小逐个选择可以删除的变量 .这样既充分利用了数据信息 ,又确保了协调精度 .仿真结果证实了该方法的有效性 .     

一种新的双线性数据协调方法

在流程工业数据校正中,若涉及多组分物料平衡或能量平衡时,问题则转换为一类特殊的非线性问题,即双线性数据协调.今针对双线性数据协调传统方法的不足,给出了一种新的方法.首先提出了一种消除不可观测变量的方法,通过消除不可观测变量及部分非冗余变量将协调问题降维,并将问题分解为两个子问题;然后针对分解后的子问题,利用微粒群优化算法(PSO)求解.与传统方法相比,该方法在确保高协调精度的基础上具有较好的协调运算效率,并能处理过程中含有不可观测变量的情况.今对一个实例进行了仿真,仿真结果表明该方法的有效性.     

基于一种新的鲁棒目标函数的化工过程数据校正

给出了一种基于新鲁棒目标函数的数据校正方法,分析了目标函数的性质及其影响函数,表明了该方法对显著误差具有较强的鲁棒性。对一个线性和非线性化工过程进行了仿真研究,并与常用的Huber鲁棒估计法和Fair鲁棒估计法进行了对比分析。     

一种改进的动态数据校正离群值检测法

Data reconciliation technology can decrease the level of corruption of process data due to measurement noise, but the presence of outliers caused by process peaks or unmeasured disturbances will smear the reconciled results. Based on the analysis of limitation of conventional outlier detection algorithms, a modified outlier detection method in dynamic data reconciliation （DDR） is proposed in this paper. In the modified method, the outliers of each variable are distinguished individually and the weight is modified accordingly. Therefore, the modified method can use more information of normal data, and can efficiently decrease the effect of outliers. Simulation of a continuous stirred tank reactor （CSTR） process verifies the effectiveness of the proposed algorithm.     

含反应节点过程数据校正的扩展独立物流法

Among the techniques developed for bilinear data reconciliation problems, the method based on independent flows is well known in terms of both accuracy and efficiency. However, the independent flow method is not effective when reactor units are present in the process. In this paper, an extended independent flow method is proposed for the data reconciliation of the process with chemical reaction. By the new method, the independent flows finding algorithm is adjusted to avoid the difficulties caused by the reactors in the process, and the reaction constraints are introduced into the objective function of data reconciliation. As a result, the new method can be applied to the process with chemical reaction while retaining high solution accuracy. To test the performance, the new method and the most typical Crowe‘s projection method are used in the data reconciliation of a typical industrial process. The results show that the new method can effectively accomplish the data reconciliation of the muhicomponent process with chemical reaction and gives more accurate estimates than the Crowe‘s method.