期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
工业过程关键指标预测的知识协同进化增强图卷积网络方法
1
作者
牟天昊
邹媛媛
李少远
《控制理论与应用》
EI
CAS
CSCD
北大核心
2024年第3期416-427,共12页
在流程工业关键变量预测领域,已有研究致力于将过程知识与大数据相结合,以实现更高的准确性,降低过拟合风险和提高可解释性.然而,现有工作存在准确的先验知识构建成本高、无法从丰富的数据中挖掘知识等问题,限制了这些方法在实际工业过...
在流程工业关键变量预测领域,已有研究致力于将过程知识与大数据相结合,以实现更高的准确性,降低过拟合风险和提高可解释性.然而,现有工作存在准确的先验知识构建成本高、无法从丰富的数据中挖掘知识等问题,限制了这些方法在实际工业过程中的广泛应用.为了解决这些挑战,本文提出了一种基于知识协同进化的增强图卷积网络方法.首先,利用易获取的过程流图构建低成本的粗粒度流程知识.然后,在图卷积神经网络模型训练中引入图探索,实现知识更新.最后,为了降低知识复杂度并保持一致性,设计了一种知识过滤机制.所提出的方法在基准的脱丁烷塔工艺过程上进行了验证.实验结果表明,该方法具有出色的预测准确性,并获得高质量的新知识.
展开更多
关键词
关键指标预测
流程工业
知识
挖掘
图卷积神经网络
数据
–
知识
驱动
建模
脱丁烷塔
下载PDF
职称材料
题名
工业过程关键指标预测的知识协同进化增强图卷积网络方法
1
作者
牟天昊
邹媛媛
李少远
机构
上海交通大学自动化系
系统控制与信息处理教育部重点实验室
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2024年第3期416-427,共12页
基金
Supported by the National Key R&D Program of China(2018AAA0101701)
the National Natural Science Foundation of China(61833012,62173224).
文摘
在流程工业关键变量预测领域,已有研究致力于将过程知识与大数据相结合,以实现更高的准确性,降低过拟合风险和提高可解释性.然而,现有工作存在准确的先验知识构建成本高、无法从丰富的数据中挖掘知识等问题,限制了这些方法在实际工业过程中的广泛应用.为了解决这些挑战,本文提出了一种基于知识协同进化的增强图卷积网络方法.首先,利用易获取的过程流图构建低成本的粗粒度流程知识.然后,在图卷积神经网络模型训练中引入图探索,实现知识更新.最后,为了降低知识复杂度并保持一致性,设计了一种知识过滤机制.所提出的方法在基准的脱丁烷塔工艺过程上进行了验证.实验结果表明,该方法具有出色的预测准确性,并获得高质量的新知识.
关键词
关键指标预测
流程工业
知识
挖掘
图卷积神经网络
数据
–
知识
驱动
建模
脱丁烷塔
Keywords
key variable prediction
process industry
knowledge mining
graph convolutional network
data-knowledge driven modeling
debutanizer column process
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
工业过程关键指标预测的知识协同进化增强图卷积网络方法
牟天昊
邹媛媛
李少远
《控制理论与应用》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
