同類熱銷排行榜

能源化工裝置運行數據挖掘技術及應用

作者：編者:劉超鋒|責編:戴燕紅
出版社：化學工業
ISBN：9787122390578

出版日期：2021/08/01
裝幀：平裝
頁數：277

人民幣：RMB 138 元售價：元

內容大鋼

    本書介紹能源化工裝置實際運行數據挖掘技術，包括數據預處理、數據分析、數據建模及模型應用等整個過程的具體內容。基於不同的問題需要考慮不同的解決方案，包括應用中常見的神經網路方法、支持向量機方法、基因表達式編程方法等挖掘與分析領域的實用技術。本書圍繞具體案例展開原理敘述、最新方法和實用研究手段，既有具體的優化過程闡述，又給出了優化結果，所提供的具體源代碼和電腦軟體詳細的操作步驟方便讀者參考。
    本書內容生動，兼具技術性和前瞻性。書中給出的實例，有助於讀者掌握所學內容，利用運行數據集開展數據挖掘與預測分析，從而解決實際問題。
    本書可作為從事能源化工裝置實際運行數據挖掘分析領域的研發、生產和管理人員及工程技術人員的參考書，也可以作為能源科學與工程、化學工程與工藝、自動化、過程裝備與控制工程等專業師生的輔助教材。

作者介紹

編者:劉超鋒|責編:戴燕紅

緒論
  0.1  參與挖掘的運行數據的選擇
    0.1.1  篩除異常數據
    0.1.2  輸入變數增減
    0.1.3  樣本數量增減
    0.1.4  樣本數據的預處理
  0.2  數學挖掘模型的性能指標
  0.3  數據挖掘典型方法
    0.3.1  回歸分析
    0.3.2  反向傳播神經網路
    0.3.3  徑向基神經網路
    0.3.4  支持向量機
  0.4  數據挖掘模型的應用
第1章  能源化工典型裝置運行數據挖掘
  1.1  粉磨裝置
  1.2  電站鍋爐
  1.3  換熱裝置
    1.3.1  空調裝置
    1.3.2  板式換熱器
    1.3.3  連續螺旋折流板管殼式換熱器
  1.4  氣化爐
  1.5  裂解爐
  1.6  反應裝置
    1.6.1  原料利用率的預測
    1.6.2  產品質量的預測
    1.6.3  產品轉化率的預測
  1.7  離心式壓縮機透平
  1.8  工藝管道
第2章  基於RBFNN的流化床裝置運行數據挖掘
  2.1  傳統的經驗關聯方法存在的問題
  2.2  模型優化需要解決的問題
  2.3  研究方案
    2.3.1  基於人工選擇檢驗樣本
    2.3.2  基於隨機選擇檢驗樣本
    2.3.3  基於連續冒泡法選擇檢驗樣本
    2.3.4  三種技術路線的特點和對比
  2.4  流化床內球形大顆粒停留時間預測模型優化
第3章  石灰石濕法煙氣脫硫裝置運行數據挖掘
  3.1  基於GeneXproTools的基因表達式建模
    3.1.1  模型建立過程
    3.1.2  模型預測過程
    3.1.3  最大遺傳代數的影響
    3.1.4  基於正交試驗的模型優化
    3.1.5  基於單因素分析及均勻設計的模型優化
    3.1.6  基於響應面設計的模型優化
    3.1.7  考慮歸一化與解釋變數
  3.2  基於高精度模型的預測
  3.3  小結
第4章  基於SPSS Modeler的?式螺旋離心機運行數據挖掘
  4.1  各影響因素的分析

    4.1.1  各影響因素的量綱分析
    4.1.2  三個因素構造的量
    4.1.3  四個因素構造的量
    4.1.4  可能的解釋變數組合
  4.2  建模過程
  4.3  干污泥量模型優化
  4.4  泥餅含水率模型優化
  4.5  力矩模型優化
第5章  基於LIBSVM的?式螺旋離心機運行數據挖掘
  5.1  在LIBSVM中的數據挖掘過程
    5.1.1  程序設計流程
    5.1.2  程序代碼
    5.1.3  程序運行結果
  5.2  粒子群優化LIBSVM的數據挖掘模型
    5.2.1  程序設計流程
    5.2.2  程序代碼
    5.2.3  程序運行結果
  5.3  訓練樣本篩選后的模型優化
第6章  典型分離裝置運行數據挖掘模型
  6.1  塔設備
  6.2  色譜分離設備
  6.3  脫水機
  6.4  電滲析設備
  6.5  吸附裝置
    6.5.1  變壓吸附
    6.5.2  移動床逆流選擇性吸附
  6.6  萃取裝置
    6.6.1  串級萃取
    6.6.2  超臨界萃取
    6.6.3  微波萃取
  6.7  膜分離裝置
    6.7.1  微濾
    6.7.2  超濾
    6.7.3  反滲透
  6.8  氣固過濾裝置
第7章  變壓吸附設備運行數據挖掘
  7.1  解釋變數組合方案
  7.2  訓練樣本方案
  7.3  基於SPSS Modeler的數據挖掘
    7.3.1  解釋變數方案設計
    7.3.2  訓練樣本和測試樣本選取方案設計
    7.3.3  數據挖掘過程
    7.3.4  基於均勻設計的模型優化
    7.3.5  基於縮小樣本規模的模型優化
    7.3.6  優化后的模型
第8章  反滲透設備的運行數據挖掘
  8.1  待挖掘的運行數據
  8.2  基於GeneXproTools的模型優化
    8.2.1  數據建模的過程
    8.2.2  基於均勻設計的模型優化

  8.3  基於LIBSVM的模型優化
    8.3.1  建模方案設計
    8.3.2  模型建立過程
    8.3.3  第一段數據建模結果
    8.3.4  第二段數據建模結果
第9章  油田原油三相分離器運行數據挖掘
  9.1  數據預處理方案
  9.2  基於SPSS Modeler的數據挖掘模型篩選
    9.2.1  建模流程
    9.2.2  模型的優化
第10章  乾燥典型設備運行數據挖掘模型
  10.1  真空脈動乾燥裝置
  10.2  氣流乾燥裝置
  10.3  滾筒乾燥器
    10.3.1  能耗的預測
    10.3.2  產品質量的預測
  10.4  噴霧乾燥器
  10.5  流化床乾燥器
  10.6  旋轉閃蒸乾燥器
  10.7  旁熱式輻射與對流乾燥機
  10.8  氣體射流衝擊乾燥裝置
  10.9  超聲強化熱風乾燥裝置
第11章  基於RBFNN的流化床乾燥器運行數據挖掘
  11.1  生產熱效率預測模型
    11.1.1  基於人工選擇檢驗樣本
    11.1.2  基於連續冒泡法選擇檢驗樣本
    11.1.3  小結
  11.2  乾燥懸浮液時產品含固率預測模型
    11.2.1  基於連續冒泡法選擇檢驗樣本
    11.2.2  基於優化后的模型研究含固率
    11.2.3  小結
  11.3  結果及討論
第12章  流化床乾燥器換熱係數關聯數據挖掘
  12.1  基於Engauge Digitizer的曲線數據化
    12.1.1  原始曲線圖有效範圍選取
    12.1.2  截圖載入
    12.1.3  設置橫縱坐標軸
    12.1.4  選擇數據點
    12.1.5  數據導出
  12.2  基於SPSS Modeler的SVM建模
  12.3  對SVM模型的篩選
    12.3.1  不同解釋變數情況下
    12.3.2  不同歸一化情況下
    12.3.3  分兩段的情況下
    12.3.4  分三段的情況下
第13章  捲煙廠烘絲裝置運行數據挖掘
  13.1  基於SPSS Modeler的SVM建模
  13.2  基於均勻試驗的模型篩選
    13.2.1  核函數為RBF時
    13.2.2  多項式核函數時

  13.3  基於人工分區試驗的結果
參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

能源化工裝置運行數據挖掘技術及應用