基于机理特征学习的化工过程异常工况智能识别
全新正版 极速发货
￥ 39.31 4.6折 ￥ 86 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者田文德,崔哲,李传坤
出版社化学工业出版社
ISBN9787122396440
出版时间2021-10
装帧精装
开本16开
定价86元
货号1202552676
上书时间2024-07-11
商品详情
- 品相描述：全新
- 商品描述
-
目录
章 绪论
1.1 化工过程安全
1.1.1 化工生产特点
1.1.2 化工过程异常工况
1.1.3 化工安全生产的意义
1.2 故障识别与诊断
1.2.1 基于解析模型的方法
1.2.2 基于知识的方法
1.2.3 基于数据驱动的方法
1.3 机器学习
1.3.1 浅层学习
1.3.2 深度学习
1.3.3 深度学习算法分类
1.3.4 深度学习在化工故障诊断中的应用
1.4 特征工程
1.4.1 特征提取与特征选择
1.4.2 特征自适应
1.5 研究思路
本章小结
参考文献
第2章 数据预处理
2.1 基于GAN的缺失数据重建
2.1.1 生成式对抗网络GAN
2.1.2 卷积神经网络
2.1.3 深度自编码器
2.1.4 GAN模型搭建
2.1.5 GAN缺失数据重建结果
2.2 基于灰色时序模型的数据预测
2.2.1 灰色模型原理
2.2.2 时间序列模型
2.2.3 组合模型
2.2.4 检验方法
2.2.5 实例应用
本章小结
参考文献
第3章 基于维度压缩和聚类分析的化工报警阈值优化
3.1 总体研究思路
3.2 基于PCA权重和Johnson转换的多变量报警阈值优化
3.2.1 研究思路
3.2.2 PCA求权重
3.2.3 Johnson转换
3.2.4 平行坐标
3.3 基于报警聚类和ACO的多变量报警阈值优化
3.3.1 研究思路
3.3.2 报警系统效率指标
3.3.3 报警聚类
3.3.4 熵权法求权重
3.3.5 阈值优化
3.4 应用实例研究
3.4.1 常减压工业实例介绍
3.4.2 基于PCA权重和Johnson转换的多变量报警阈值优化方法应用
3.4.3 基于报警聚类和ACO的多变量报警阈值优化方法应用
3.4.4 常减压操作质量分析
本章小结
参考文献
第4章 基于特征工程的化工过程异常检测
4.1 基于相关性系数Q分析的化工过程异常检测
4.1.1 研究思路
4.1.2 基于相关性系数Q分析的化工过程异常检测
4.1.3 实例分析
4.2 基于特征工程的化工过程异常检测与识别
4.2.1 研究思路
4.2.2 基于特征工程的化工过程异常检测与识别方法
4.2.3 实例分析
本章小结
参考文献
第5章 基于特征自适应与动态主动深度分歧的化工过程异常识别
5.1 总体研究思路
5.2 特征自适应
5.2.1 研究思路
5.2.2 特征提取
5.2.3 自适应
5.3 动态主动深度分歧的异常识别模型
5.3.1 研究思路
5.3.2 CNN基本模块
5.3.3 LSTM基本模块
5.3.4 动态主动学习
5.4 案例应用研究
5.4.1 TE过程说明
5.4.2 特征自适应
5.4.3 动态主动深度分歧的异常识别模型
本章小结
参考文献
第6章 基于LSTM的化工异常识别
6.1 LSTM模型
6.1.1 模型结构
6.1.2 算法原理
6.1.3 超参数设置
6.2 LSTM训练策略
6.2.1 5-折交叉验证
6.2.2 过拟合
6.3 LSTM训练过程
6.4 案例应用与分析
6.4.1 数据集描述
6.4.2 异常识别结果
本章小结
参考文献
第7章 基于图论的化工异常识别
7.1 研究思路
7.2 特征选择
7.2.1 变量相关性计算
7.2.2 基于图论的特征选择
7.3 深度学习模型
7.3.1 序列问题学习过程
7.3.2 卷积神经网络学习过程
7.4 案例应用与分析
7.4.1 动态数据集与预处理
7.4.2 图论特征选择
7.4.3 识别模型搭建
7.4.4 识别结果对比
本章小结
参考文献
第8章 基于DBN的化工过程异常识别
8.1 基于VAE-DBN的异常工况识别
8.1.1 基于VAE-DBN的异常识别模型
8.1.2 案例应用研究
8.2 基于SRCC-DBN的异常工况识别
8.2.1 研究思路
8.2.2 Spearman秩相关系数
8.2.3 深度置信网络
8.2.4 案例应用研究
本章小结
参考文献
第9章 基于机理分析的化工过程故障诊断
9.1 基于机理相关分析贝叶斯网络的过程故障诊断
9.1.1 研究思路
9.1.2 机理相关分析贝叶斯网络的故障诊断方法
9.1.3 案例应用分析
9.2 基于动态机理模型的异常反演
9.2.1 反演模型
9.2.2 案例应用与分析
本章小结
参考文献
0章 化工过程异常的动态定量后果分析
10.1 化工过程异常的动态定量风险评估
10.1.1 研究思路
10.1.2 定量风险计算
10.1.3 案例应用与分析
10.2 基于计算流体力学的后果分析
10.2.1 计算流体力学简介
10.2.2 爆燃气体的扩散
10.2.3 基于MATLAB的气体扩散模拟
10.2.4 实例应用
本章小结
参考文献
内容摘要
《基于机理特征学习的化工过程异常工况智能识别》通过动态模拟重构深度学习的标签样本，采用定量相关系数和复杂网络相结合的机理特征提取方法，实现对化工异常工况的半监督学习。同时融合基于动态机理贝叶斯网络，采用异常参数估计的反演机制，阐明动态模拟与半监督学习协同的化工异常诊断策略。本书有助于丰富和发展基于动态模拟/半监督学习的化工过程异常识别和诊断理论和方法，为实现化工过程安全稳定运行提供理论依据。全书共分10章。内容涵盖了“数据处理→数据检测→异常识别→异常诊断→后果分析”的化工安全分析各个阶段，构成了机理分析与深度学习协同作用的化工异常工况分析思路。《基于机理特征学习的化工过程异常工况智能识别》可作为化工、安全及相关学科的研究生学习化工安全分析的教材及教师参考书，也可供相关学科的工程技术人员参考使用。
— 没有更多了 —
以下为对购买帮助不大的评价