数据驱动的多变量报警事件预测

对生产过程中的报警事件进行预测能够预测危险工况,指导操作人员实施相应的措施,从而避免危险事故的发生。论文提出了一种基于贝叶斯网络模型(Bayesian network)的报警事件预测方法,首先通过历史数据提取报警事件序列,分别建立单变量和多变量报警事件的贝叶斯网络,采用期望最大化(EM)算法和贪婪搜索算法相结合来确定贝叶斯网络的参数与结构,通过概率推理对报警事件进行预测。实例仿真表明,该方法可以有效地挖掘历史数据信息,实现准确的报警事件预测。