【摘要】：針對高維化工過程中存在的非線性和動態(tài)特性,提出了一種基于動態(tài)單類隨機森林(dynamic one-class random forest,DOCRF)的過程監(jiān)控方法。對正常運行狀態(tài)下的過程數(shù)據(jù)進行稀疏性分析,根據(jù)其反分布產(chǎn)生離群點數(shù)據(jù)。利用典型變量分析對正常數(shù)據(jù)進行相關性分析,分別將正常數(shù)據(jù)和離群點數(shù)據(jù)投影到典型變量空間,利用典型變量空間數(shù)據(jù)訓練單類隨機森林。基于單類隨機森林模型根據(jù)待檢測樣本與正常數(shù)據(jù)的相似度構造監(jiān)控統(tǒng)計量進行故障檢測。在Tennessee Eastman過程的仿真結果表明,所提DOCRF方法總體優(yōu)于單類支持向量機方法。
[Abstract]:Based on the nonlinear and dynamic characteristics of high-dimensional chemical processes, a process monitoring method based on dynamic single-class stochastic forest (dynamic one-class random forestDOCRF) is proposed. Based on the sparse analysis of process data under normal operation, outlier data are generated according to its inverse distribution. The correlation analysis of normal data is carried out by using canonical variable analysis. The normal data and outlier data are projected into the canonical variable space, and the canonical variable spatial data are used to train the single-class random forest. Based on the single class stochastic forest model, the monitoring statistics are constructed according to the similarity between the samples to be detected and the normal data for fault detection. The simulation results of Tennessee Eastman process show that the proposed DOCRF method is superior to the single class support vector machine method.
【作者單位】： 中國石油大學(華東)信息與控制工程學院;
【基金】：國家自然科學基金項目(61273160,61403418,21606256) 山東省自然科學基金項目(ZR2014FL016,ZR2016FQ21,ZR2016BQ14) 中央高�；究蒲袠I(yè)務費專項資金項目(14CX02174A)~~
【分類號】：TP277;TQ021.8

【相似文獻】

相關期刊論文 前6條

1 董隴軍;李夕兵;彭康;;巖爆等級預測的隨機森林模型及應用(英文)[J];Transactions of Nonferrous Metals Society of China;2013年02期

2 溫廷新;張波;邵良杉;;煤與瓦斯突出預測的隨機森林模型[J];計算機工程與應用;2014年10期

3 金宇;周可新;方穎;劉欣;;基于隨機森林模型預估氣候變化對動物物種潛在生境的影響[J];生態(tài)與農(nóng)村環(huán)境學報;2014年04期

4 馬廣立;趙筱萍;程翼宇;;基于隨機森林與Chemistry Development Kit描述符的P-gp底物識別[J];高等學�；瘜W學報;2007年10期

5 張慶友;龍海林;馮秀林;索凈潔;張丹丹;李靜亞;許力壯;許祿;;MOLMAP指數(shù)及其在變異性預測中的應用[J];物理化學學報;2012年03期

6 ;[J];;年期

相關會議論文 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標檢測中的應用[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達數(shù)據(jù)分析的隨機森林方法及算法改進[A];黑龍江省第十次統(tǒng)計科學討論會論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機森林結合激光誘導擊穿光譜技術用于的鋼鐵分類[A];中國化學會第29屆學術年會摘要集——第19分會：化學信息學與化學計量學[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙�；敢种苿┑臉嬓шP系研究[A];第十一屆全國計算（機）化學學術會議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機森林回歸分析方法及在代謝組學中的應用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機森林和k-近鄰法在某型坦克變速箱狀態(tài)識別中的應用[A];第八屆全國轉子動力學學術討論會論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國計算(機)化學學術會議論文摘要集[C];2009年

相關博士學位論文 前5條

1 張乾;基于隨機森林的視覺數(shù)據(jù)分類關鍵技術研究[D];華南理工大學;2016年

2 曹正鳳;隨機森林算法優(yōu)化研究[D];首都經(jīng)濟貿(mào)易大學;2014年

3 雷震;隨機森林及其在遙感影像處理中應用研究[D];上海交通大學;2012年

4 岳明;基于隨機森林和規(guī)則集成法的酒類市場預測與發(fā)展戰(zhàn)略[D];天津大學;2008年

5 李書艷;單點氨基酸多態(tài)性與疾病相關關系的預測及其機制研究[D];蘭州大學;2010年

相關碩士學位論文 前10條

1 錢維;藥品不良反應監(jiān)測中隨機森林方法的建立與實現(xiàn)[D];第二軍醫(yī)大學;2012年

2 韓燕龍;基于隨機森林的指數(shù)化投資組合構建研究[D];華南理工大學;2015年

3 賀捷;隨機森林在文本分類中的應用[D];華南理工大學;2015年

4 張文婷;交通環(huán)境下基于改進霍夫森林的目標檢測與跟蹤[D];華南理工大學;2015年

5 李強;基于多視角特征融合與隨機森林的蛋白質結晶預測[D];南京理工大學;2015年

6 朱玟謙;一種收斂性隨機森林在人臉檢測中的應用研究[D];武漢理工大學;2015年

7 肖宇;基于序列圖像的手勢檢測與識別算法研究[D];電子科技大學;2014年

8 李慧;一種改進的隨機森林并行分類方法在運營商大數(shù)據(jù)的應用[D];電子科技大學;2015年

9 趙亞紅;面向多類標分類的隨機森林算法研究[D];哈爾濱工業(yè)大學;2014年

10 黎成;基于隨機森林和ReliefF的致病SNP識別方法[D];西安電子科技大學;2014年

，

本文編號：2172163