化工生产安全状态预测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文结构 | 第12-14页 |
| 第二章 过程工艺及数据获取 | 第14-23页 |
| 2.1 过程工艺 | 第14-15页 |
| 2.2 冷库现状 | 第15-18页 |
| 2.2.1 当前氨制冷企业现状概况 | 第16-17页 |
| 2.2.2 冷库安全现状 | 第17-18页 |
| 2.3 西冷数据相关说明及处理 | 第18-22页 |
| 2.3.1 数据说明 | 第18-19页 |
| 2.3.2 数据清洗 | 第19-20页 |
| 2.3.3 数据预处理 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 化工过程系统级生产安全状态监测 | 第23-49页 |
| 3.1 过程监测相关方法概述 | 第23-28页 |
| 3.1.1 硬方案 | 第24-25页 |
| 3.1.2 软方案 | 第25-26页 |
| 3.1.3 多变量统计法 | 第26-28页 |
| 3.1.4 状态监测指标选取 | 第28页 |
| 3.2 PCA生产状态监测模型 | 第28-37页 |
| 3.2.1 算法流程 | 第29页 |
| 3.2.2 建模算法介绍 | 第29-30页 |
| 3.2.3 主成分选择 | 第30-31页 |
| 3.2.4 状态监测指标 | 第31-32页 |
| 3.2.5 实例应用及分析 | 第32-37页 |
| 3.3 PLS生产状态监测模型 | 第37-47页 |
| 3.3.1 算法流程 | 第37-38页 |
| 3.3.2 PLS基本算法 | 第38-39页 |
| 3.3.3 PLS模型隐变量的确定 | 第39-40页 |
| 3.3.4 实例应用及分析 | 第40-47页 |
| 3.4 PCA与PLS模型对比 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 化工生产状态ARMA-PLS预测算法 | 第49-71页 |
| 4.1 基于时间序列的预测算法 | 第49-53页 |
| 4.1.1 AR模型 | 第50-51页 |
| 4.1.2 MA模型 | 第51-52页 |
| 4.1.3 ARMA模型 | 第52-53页 |
| 4.2 时间序列预测模型的选择 | 第53-61页 |
| 4.2.1 自回归移动平均(ARMA)模型识别 | 第54-58页 |
| 4.2.2 ARMA模型参数估计 | 第58-60页 |
| 4.2.3 ARMA模型检验 | 第60-61页 |
| 4.2.4 ARMA时间序列结果预测 | 第61页 |
| 4.3 ARMA-PLS状态预测模型 | 第61-70页 |
| 4.3.1 算法流程 | 第61-63页 |
| 4.3.2 实例分析 | 第63-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 化工生产安全状态预测方法的研究总结 | 第71-72页 |
| 5.2 工作的不足与未来的展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间发表的学术论文目录 | 第79页 |
