基于关联度分析的生产异常模式挖掘

摘要：

为解决在智能化生产预警方法应用的过程中原始数据维度高、数据结构复杂、数据量大的问题,提出了基于关联度分析的生产异常模式挖掘方法.该方法建立了预警目标与影响特征之间的关联关系,通过计算关联度筛选出重要特征.在均值化方法处理数据的过程中,通过引入时间序列、选取时间粒度来截取距离数据,通过计算关联度、摒弃无效影响特征和降低数据维度来完成数据的准备过程.结合损耗性异常的业务数据特点,采用了基于时间序列的G-R分段拟合方法拟合数据,并利用均方根误差方法校验模型的准确性.实验验证选取了三次采油生产的异常情况为实例,采用G-R模型对特征集的元素进行分段拟合以求解相关参数.实例验证结果表明,该方法的预测数据与原始观测数据的吻合度高,且预测准确度较高.

关键词：特征筛选、时间序列、函数拟合、关联分析

所属期刊栏目：27

分类号：TP301(计算技术、计算机技术)

资助基金：黑龙江省自然科学基金面上项目F2015020;黑龙江省教育科研规划重点课题GJB1215013;黑龙江省2016 年教育科研课题16Q117

在线出版日期：2017-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：124-128,132