数据填补及其在近处过程建模中的应用研究

摘要

工业生产数据作为生产过程的原始信息是过程建模与优化的重要依据与基础。但在实际的工业过程中，往往由于数据采集操作与仪表运行环境限制以及故障等原因，导致数据缺失，使得缺失数据难以利用，缺失数据填补是解决这一问题的有效方法。湿法冶金浸出过程作为金属的提取工序，直接影响湿法冶金的金属回收率，然而，由于浸出过程生产工艺复杂其数据缺失问题较为突出。可见，研究浸出过程数据缺失条件下的数据填补与建模问题具有重要的理论与实际意义。
　　本文以钴矿酸性间歇浸出生产过程为研究背景，首先对浸出过程的工艺流程、过程机理模型以及浸出过程建模的发展现状进行了介绍。然后，对数据缺失特点、分类以及BP神经网络与最小二乘支持向量机填补、基于高斯混合模型的EM填补等简单填补方法和多重填补的基本原理进行了详细介绍。在分析实际钴矿酸性间歇浸出过程中数据缺失问题与特点的基础上，针对浸出过程中对过程影响较大的关键数据如二氧化硫流量、浸出液PH值、浸出率的具体缺失问题展开研究，将各种数据填补方法应用到浸出过程数据填补与建模中。在机理模型的基础上，分别应用上述不同填补与建模方法对单一或多个变量数据缺失问题进行填补与建模仿真研究，依据仿真结果，在填补结果以及最终的建模精度等方面对不同方法的应用性能进行评价，得到能够在不同数据缺失情况下较好进行浸出过程数据填补与建模的方法，验证了基于数据填补的浸出过程建模方法的有效性。在此基础上，通过对多重填补与基于高斯混合模型的EM填补方法的特点分析，提出将高斯混合模型与多重填补相结合的基于高斯混合模型的多重填补法，仿真结果显示该方法在不同数据缺失情况下的综合性能较好，从而，有效解决在浸出率预测模型应用过程中数据缺失的在线填补问题。最后，通过系统分析、总体功能模块化，利用C#、MATLAB等软件设计并实现了浸出过程浸出率建模与预测系统，模拟运行结果证明了该系统的有效性和可行性。

目录

声明

摘要

第1章 绪论

1．1 课题背景及研究意义

1．2 数据填补问题的研究现状

1．2．1 国外研究情况

1．2．2 国内研究情况

1．3 全文内容安排

第2章 钴镍浸出生产过程工艺及模型

2．1 浸出过程流程工艺的介绍

2．2 浸出过程建模的发展现状

2．3 浸出过程机理模型

2．4 本章小结

第3章 数据填补与建模的基本概念与方法

3．1 缺失数据产生的原因

3．2 缺失数据的分类

3．2．1 根据缺失数据的机制分类

3．2．2 根据缺失变量的分布分类

3．2．3 根据缺失数据的模式分类

3．3 缺失数据填补方法的介绍

3．3．1 均值填补法

3．3．2 BP神经网络

3．3．3 LS-SVM最小二乘支持向量机

3．3．4 期望最大化算法(EM)

3．3．5 基于高斯混合模型(GMM)的EM填补

3．3．6 多重填补(MI)

3．4 本章小结

第4章 基于数据填补的浸出过程建模研究

4．1 基于数据的浸出率预测模型

4．1．1 浸出率预测模型及数据缺失情况

4．1．2 缺失数据填补及建模方法

4．2 填补及建模仿真结果研究

4．2．1 填补仿真结果

4．2．2 建模仿真结果

4．3 基于高斯混合模型的多重填补

4．4 本章小结

第5章 基于数据填补的浸出过程建模系统

5．1 系统总体结构设计

5．1．1 整体设计方案

5．1．2 功能模块设计

5．2 填补模块设计与实现

5．2．1 数据预处理模块

5．2．2 填补模训练模块

5．2．3 数据填补模块

5．3 接口模块设计与实现

5．4 建模模块设计与实现

5．4．1 浸出率模型训练模块

5．4．2 在线预测浸出率模块

5．4．3 历史数据查询模块

5．5 基于数据填补的浸出过程建模系统运行分析

5．5．1 开发界面

5．5．2 应用界面

5．6 本章小结

第6章 结论与展望

参考文献

致谢