摘要
本发明涉及流程工业生产与工艺优化技术领域,本发明提供了代理模型融合多源数据的露点预测的方法、装置及设备,所述方法包括:采用Aspen Plus完成常顶挥发线露点腐蚀风险预测过程机理模型的构建;选定过程的关键影响变量,将历史数据与机理模型生成的样本数据结合形成建模样本数据集;采用机器学习算法对建模样本数据集进行训练,构建并优化常顶挥发线露点腐蚀风险预测过程代理模型;基于代理模型进行挥发线露点腐蚀,对预测效果进行评价;采用增量学习技术融合多源数据,实时更新代理模型。本发明可动态优化常顶关键运行参数,有效降低露点腐蚀风险,提升化工设备操作智能化水平。
技术关键词
融合多源数据
增量学习技术
机器学习算法
风险
工业数据采集系统
K折交叉验证法
工艺优化技术
工业现场数据
输入工艺参数
关键运行参数
样本
分布式控制
变量
工况参数
工业装置
实时通信
露点温度
模型更新
数据分布
系统为您推荐了相关专利信息
DCS系统
风险评估方法
风险评估模型
门控神经网络
可读存储介质
实时数据接收
预警系统
报表
预警规则
数据采集模块
无损检测技术
检测评估方法
指标
系统动力学模型
逼近理想解排序
机器学习模型
混凝土
逼近理想解排序
全球变暖潜力
粗骨料
临床辅助决策方法
患者
项目
病历
计算机可读取存储介质