【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(jī)森林(dynamic one-class random forest,DOCRF)的過程監(jiān)控方法。對正常運(yùn)行狀態(tài)下的過程數(shù)據(jù)進(jìn)行稀疏性分析,根據(jù)其反分布產(chǎn)生離群點(diǎn)數(shù)據(jù)。利用典型變量分析對正常數(shù)據(jù)進(jìn)行相關(guān)性分析,分別將正常數(shù)據(jù)和離群點(diǎn)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(xùn)練單類隨機(jī)森林。基于單類隨機(jī)森林模型根據(jù)待檢測樣本與正常數(shù)據(jù)的相似度構(gòu)造監(jiān)控統(tǒng)計量進(jìn)行故障檢測。在Tennessee Eastman過程的仿真結(jié)果表明,所提DOCRF方法總體優(yōu)于單類支持向量機(jī)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(xué)(華東)信息與控制工程學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(61273160,61403418,21606256) 山東省自然科學(xué)基金項(xiàng)目(ZR2014FL016,ZR2016FQ21,ZR2016BQ14) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(14CX02174A)~~
【分類號】：TP277;TQ021.8

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 董隴軍;李夕兵;彭康;;巖爆等級預(yù)測的隨機(jī)森林模型及應(yīng)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(yù)測的隨機(jī)森林模型[J];計算機(jī)工程與應(yīng)用;2014年10期

3 金宇;周可新;方穎;劉欣;;基于隨機(jī)森林模型預(yù)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(xué)報;2014年04期

4 馬廣立;趙筱萍;程翼宇;;基于隨機(jī)森林與Chemistry Development Kit描述符的P-gp底物識別[J];高等學(xué)校化學(xué)學(xué)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(yù)測中的應(yīng)用[J];物理化學(xué)學(xué)報;2012年03期

6 ;[J];;年期

相關(guān)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(biāo)檢測中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

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

3 張?zhí)忑?梁龍;王康;李華;;隨機(jī)森林結(jié)合激光誘導(dǎo)擊穿光譜技術(shù)用于的鋼鐵分類[A];中國化學(xué)會第29屆學(xué)術(shù)年會摘要集——第19分會：化學(xué)信息學(xué)與化學(xué)計量學(xué)[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙酰化酶抑制劑的構(gòu)效關(guān)系研究[A];第十一屆全國計算（機(jī)）化學(xué)學(xué)術(shù)會議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機(jī)森林回歸分析方法及在代謝組學(xué)中的應(yīng)用[A];2011年中國衛(wèi)生統(tǒng)計學(xué)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(jī)森林和k-近鄰法在某型坦克變速箱狀態(tài)識別中的應(yīng)用[A];第八屆全國轉(zhuǎn)子動力學(xué)學(xué)術(shù)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(jī))化學(xué)學(xué)術(shù)會議論文摘要集[C];2009年

相關(guān)博士學(xué)位論文 前5條

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

2 曹正鳳;隨機(jī)森林算法優(yōu)化研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2014年

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

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

5 李書艷;單點(diǎn)氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測及其機(jī)制研究[D];蘭州大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 錢維;藥品不良反應(yīng)監(jiān)測中隨機(jī)森林方法的建立與實(shí)現(xiàn)[D];第二軍醫(yī)大學(xué);2012年

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

3 賀捷;隨機(jī)森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年

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

5 李強(qiáng);基于多視角特征融合與隨機(jī)森林的蛋白質(zhì)結(jié)晶預(yù)測[D];南京理工大學(xué);2015年

6 朱玟謙;一種收斂性隨機(jī)森林在人臉檢測中的應(yīng)用研究[D];武漢理工大學(xué);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(xué);2014年

8 李慧;一種改進(jìn)的隨機(jī)森林并行分類方法在運(yùn)營商大數(shù)據(jù)的應(yīng)用[D];電子科技大學(xué);2015年

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

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

，

本文編號：2172163