基于深度学习的复杂化工过程软测量模型研究与应用

• 作者: 徐猛 朱群雄 耿志强 韩永明 顾祥柏
• 来源期刊: 化工学报
• 关键词: 长短期记忆网络 神经网络 平稳小波变换 算法 多尺度 对苯二甲酸
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 过程系统工程
• 页码范围: 564-571
• 页数: 8页
• 分类号: TP29
• 语种: 中文
• DOI: 10.11949/j.issn.0438?1157.20181352

摘要

针对复杂化工生产过程中的一些原材料消耗量难以直接测量的问题,提出了一种基于深度学习的软测量方法.该方法基于一段时间的历史数据,利用平稳小波变换提取历史数据中的多尺度信息,然后与每一个时间点的可观测数据进行合并得到完整的数据集,再划分出训练集和测试集,用带有注意力机制的深度学习算法进行训练和泛化,进而建立软测量模型.最后将提出的方法应用到对苯二甲酸(PTA)生产装置乙酸消耗的软测量中.通过与极限学习机(extreme learning machine,ELM)、多层感知器(multi-layer perceptron,MLP)以及普通长短期记忆网络(long short-term memory,LSTM)方法比较,结果表明,该模型的预测准确度较高,具有一定的有效性和适用性,同时对PTA生产装置的乙酸消耗量进行预测分析,从而提高产能和降低能耗.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	耿志强	北京化工大学信息科学与技术学院	45	419	12.0	18.0
3	朱群雄	北京化工大学信息科学与技术学院	151	1425	19.0	26.0
5	顾祥柏	北京化工大学信息科学与技术学院	19	158	9.0	11.0
6	韩永明	北京化工大学信息科学与技术学院	19	96	7.0	9.0
14	徐猛	北京化工大学信息科学与技术学院	1	7	1.0	1.0