基于LSTM的复杂炼化过程报警预测

Alarm prediction of complex refining process based on deep learning

作者： 韩家祺 ¹
作者单位：

1. 北京化工大学机电工程学院
通讯作者： 韩家祺 Email:2023200626@buct.edu.cn
提交时间：2024-01-07 22:51:40

摘要: 近年来，随着我国炼化行业与信息技术的深入融合与飞速发展，复杂炼化系统所产生的数据呈现爆炸性增长。报警系统是一类用于向操作者传递设备异常状态信息的监控系统；一旦设计不合理，设备在异常状态下可能会产生大量的过程报警甚至报警饱和的现象，严重影响操作者的信息处理能力，从而增加各种工业事故的发生概率。报警信息能够对复杂炼化过程给予正向的指导，因此如何从海量的报警日志中挖掘有价值的信息非常重要。深度学习是一种能够自动地从数据中学习和提取特征的方法，不需要人工构建复杂而精确的物理和数学模型，已在数据预测和分类领域得到广泛应用和关注。

炼化过程报警管理自然语言处理深度学习

来自： 韩家祺
分类： 机械工程 >> 机械制造自动化
投稿状态： 未投稿
引用： ChinaXiv:202401.00075 (或此版本 ChinaXiv:202401.00075V1)
DOI:10.12074/202401.00075V1
CSTR:32003.36.ChinaXiv.202401.00075.V1
推荐引用方式： 韩家祺.(2024).基于LSTM的复杂炼化过程报警预测.中国科学院科技论文预发布平台.[ChinaXiv:202401.00075] (点此复制)

版本历史

[V1]

2024-01-07 22:51:40

ChinaXiv:202401.00075V1

下载全文

相关论文推荐

1. 基于全局优化策略的某燃料电池车动力经济性验证	2022-09-26
2. 一种面向机器人机械系统的程式化动力学建模方法	2022-09-26
3. 关于数控机床装调维修技师与高级技师培养的建议	2022-08-24
4. 基于纳米压痕法的富Sn相应力-应变关系的研究	2022-05-25
5. From simple digital twin to complex digital twin Part I: A novel modeling method for multi-scale and multi-scenario digital twin	2022-02-16
6. Exact Decomposition of Multifrequency Discrete Real and Complex Signals	2022-02-08
7. Biological Knowledge-enabled BERT for Innovation in Biomimetic Design: A Case Study	2021-11-17
8. 经验模态分解在EAST超导线圈电压信号分析中的应用	2018-06-15
9. 新能源配电网低碳高效运行的可拓层次评估方法	2018-06-15
10. 基于特征频带小波包分析的配电网故障选线的研究	2018-06-15


公开评论匿名评论仅发给作者