基于数据挖掘的仿真模型参数修正加拿大铝业作者:赵一丁等来源:《计算机应用》2013年第10期十六届三中全会公报
摘 要:针对工业仿真数学模型参数估计实践中的难点,提出了通过数据挖掘来修正模型参数的新方法。从实际生产的大量数据中挖掘样本,通过数学方法计算模型参数,针对包含噪声的工业生产数据主要采用改进了最小二乘方法来修正参数;根据工业生产数据不完全及常见分布特点,采用分段组合修正参数的方法;通过实际生产的动态过程的历史数据挖掘来估计动态特性的相关参数,模型参数修正与数据挖掘过程交互引导,来缩小海量工业数据中的挖掘范围及提高参数修正所需样本数据的充分性,并建立两者之间互相协调的网络模型。实际案例验证了方法在工程项目中的有效性和实用性,表明这种方法能大幅提高仿真精度。 关键词:建模;参数校正;过程工业;数据挖掘;精度
0 引言
在工业生产仿真中,模型参数是计算精度的一个关键,模型参数估计的成果举不胜举,但在一些领域仿真数学模型的精度提高很困难。如文献亚洲幼[1]所建立动力学模型接近真实的反应动力学,但离分子反应动力学仍很遥远,原料油组分非常复杂,至今不能将其组分分析出来;又比如文献[2-4]中仿真模型的建立是在实验装置设备上完成的,部分仿真模型的建立甚至带有假设性,这些模型应用于真实的具体生产装置计算有误差。针对一个装置的仿真模型,在推广到另一个同类型的装置时精度也会下降,需要通过对具体装置生产中的数据挖掘来修正模型参数。比如文献[5-9]等虽然一定程度地解决了不完全、不确定等特点的实际数据挖掘取样问题,但工业数据更加复杂,如噪声、海量数据、高维、多时标性、强耦合性、类型多样等,在复杂的工业生产历史数据中获取针对性的样本并修正仿真模型参数是实践中的难点。
阿姆斯特朗
1 工业仿真模型参数校正
1.1 通过历史数据挖掘来校正模型参数
湘乡市育才中学 每个装置都有自己的个性因素,仿真模型在具体装置应用时,需要做针对性的参数校正。仿真模型参数确定的方法从理论上讲很多,但对于实际工业生产中许多方法是不能采hec
用或不能随便进行的。常见到实践中技术人员采用稳态数据标定,在估算模型参数时只用少量的现场数据去确定模型参数,虽一定程度地估算得到了模型参数值,但数据不充分。数据样本容量越大估计值越接近真值,所以模型参数校正应该依据真实装置大量的历史数据挖掘。