基于信息检索与K均值聚类的化工产品精准推荐算法研究

传统K均值聚类对客户聚类精度不高，直接影响化工产品精准推荐的质量。基于此，采用信息检索系统来确定K均值聚类的初始聚类中心点，消除特殊消费者与数据中的噪声数据，提出了联合信息检索与K均值聚类的化工产品精准推荐算法。将该算法和Top-N算法分别应用于化工产品精准营销中，结果表明，提出的算法比Top-N算法平均绝对误差低，准确率、召回率以及综合平均值高，能够为化工企业实施精准营销提供数据参考。     

基于STA-K均值聚类的电化学废水处理过程离子浓度软测量

针对电化学废水处理过程出口离子浓度无法在线检测的问题,提出了一种基于状态转移的K均值聚类算法的软测量建模方法。在分析内部反应机理的基础上,结合物料平衡和吸附动力学定理建立电化学过程的机理模型;由于单一的软测量模型难以满足实际的精度要求,提出一种基于状态转移的K均值聚类算法将原始数据集进行聚类,应用状态转移算法对K均值算法的初始聚类中心进行优化,同时,引入离群值矩阵动态迭代同时实现数据聚类和异常值检测;最后,对聚类后的不同训练子集分别建立子模型,综合各子模型得到基于多模型切换方法的软测量模型。通过某废水处理厂的现场数据进行实例验证,结果证明了所建立的电化学废水处理过程离子浓度软测量模型合理有效。     

基于STA-K均值聚类的电化学废水处理过程离子浓度软测量

针对电化学废水处理过程出口离子浓度无法在线检测的问题,提出了一种基于状态转移的K均值聚类算法的软测量建模方法。在分析内部反应机理的基础上,结合物料平衡和吸附动力学定理建立电化学过程的机理模型;由于单一的软测量模型难以满足实际的精度要求,提出一种基于状态转移的K均值聚类算法将原始数据集进行聚类,应用状态转移算法对K均值算法的初始聚类中心进行优化,同时,引入离群值矩阵动态迭代同时实现数据聚类和异常值检测;最后,对聚类后的不同训练子集分别建立子模型,综合各子模型得到基于多模型切换方法的软测量模型。通过某废水处理厂的现场数据进行实例验证,结果证明了所建立的电化学废水处理过程离子浓度软测量模型合理有效。     

基于K均值聚类与局部离群因子算法的故障检测研究

针对化工生产过程的多工况、数据多模态问题,提出一种基于K均值聚类的局部离群因子故障检测方法。首先利用K均值聚类算法对多模态工业数据进行聚类,将各个模态的数据分离出来,然后运用局部离群因子算法在各个模态下单独建立模型,并且确定各个模态下的局部离群因子控制限。检测时首先判断样本属于哪一类,然后在相应类别下求取局部离群因子值并与此类别下的控制限进行比较,确定是否为故障数据。将此方法运用到TE过程的多模态数据中,并且将此方法与单独应用局部离群因子算法做故障检测对比,结果表明:所提算法可以大幅提高故障的检测率。     

超/亚临界CO2中邻甲酚羧基化合成邻甲基水杨酸

在超/亚临界CO2中合成邻甲基水杨酸,对探索其绿色合成和CO2的资源化利用有重要意义。本实验以邻甲酚为原料,考察了无水K2CO3、无水Na2CO3等催化剂的活性,选取催化效果最好的无水K2CO3在超/亚临界CO2中一步法直接催化合成邻甲基水杨酸。在反应时间1～6 h、催化剂相对投加量nK2CO3/nO-Cresol为0.05～1.25、反应温度130～270 ℃、反应压力4～14 MPa的条件下对邻甲酚在超/亚临界CO2中的羧基化反应进行了研究。结果表明：邻甲酚的转化率与产物收率随反应时间的延长均出现先增加的趋势,不同的是转化率最后趋于稳定,产物收率则略有减少;邻甲酚的转化率与产物收率随催化剂相对投加量的增加先快速增加然后趋缓,随反应温度、反应压力的增加先增加后减少。较佳的实验条件为：反应时间3 h、催化剂相对投加量0.5、反应温度190 ℃、反应压力8 MPa,此时,邻甲酚转化率可达19.7%,邻甲基水杨酸收率可达17.5%。此外,提出了超/亚临界CO2中邻甲酚羧基化反应可能存在的机理。     

城市年用水量聚类分析

一年内城市用水量变化既有周期性又有变化性，为总体掌握一年内城市用水量的变化规律，利用K均值聚类算法进行分析。K均值聚类算法具有模式识别和异常值诊断功能，为获得接近全局最优结果，通常需要针对不同的分类质心初始值进行计算。考虑到类别数K值不是预先指定的，需要尝试采用不同的K值进行分析。以华东某城市的某年各日用水量作为原始数据，首先，针对小时用水量变化的上凸或下凹特性，引入加权方法修正异常值；然后，根据计算结果，分析了生成各类别用水的特点。其中，典型特征包括春节前后的用水量较低，“五一”和“十一”两个小长假用水具有相似性。分析结果对于城市用水量管理和供水运行调度具有重要参考价值。     

邻硝基二苯胺合成新工艺研究

以苯胺、邻硝基氯苯为原料，采用直接缩合法引入相转移催化剂合成邻硝基二苯胺。对影响反应的各种因素进行了研究，通过正交实验确定了缩合反应最佳工艺条件：邻硝基氯苯：K2CO3：PEG＝1：0．55：0．015，反应温度为185℃，反应时间为2h。反应收率为99．1％。该方法是邻硝基二苯胺的最佳合成工艺。     

邻苯基苯酚的合成工艺研究

以环己酮为原料,通过缩合制备出双聚体环己烯基环己酮,再经催化脱氢反应,合成出邻苯基苯酚。对缩合催化反应条件进行了优化,双聚体收率达91％;以γ-Al2O3为栽体,贵金属Pt为脱氢活性组分,硫酸钾为助催化剂,制备的合成邻苯基苯酚的脱氢催化剂[w(Pt)=0．3％、w(K2SO4)=2％],在350℃反应,选择氢气流速为50mL／min,邻苯基苯酚收率在90％以上。     

基于模糊RBF神经网络的乙烯装置生产能力预测

针对传统的径向基函数(RBF)神经网络隐藏层节点的不确定和初始中心敏感性、收敛速度过慢等问题,提出一种基于模糊C均值的RBF神经网络(FCM-RBF)模型,通过模糊C均值聚类(FCM)得到各聚类中心,基于误差反传的梯度下降法训练隐藏层到输出层之间的权值,克服传统RBF模型对数据中心的敏感性,优化确定RBF神经网络隐藏层的节点数,提高网络训练速度和精度。最后将其用于乙烯装置生产能力预测中,分析预测不同技术、不同规模乙烯装置生产情况,指导乙烯生产,提高生产效率,结果验证了所提出算法的有效性和实用性。     

新型RBFNN算法在硝基苯类化合物毒性测定中的应用

采用粒子群优化算法(PSO,Particle Swarm Optimization)调整径向基神经网络(RBFNN,Radial Basis Function Neural Network)参数,有效地改进了传统的K-均值聚类算法易使网络受初始参数选取的影响而收敛于局部极小值的缺点,并将其应用于环境中硝基苯类化合物毒性...