基于动态单类随机森林的非线性过程监控方法

发布时间：2018-08-08 15:07

【摘要】：针对高维化工过程中存在的非线性和动态特性,提出了一种基于动态单类随机森林(dynamic one-class random forest,DOCRF)的过程监控方法。对正常运行状态下的过程数据进行稀疏性分析,根据其反分布产生离群点数据。利用典型变量分析对正常数据进行相关性分析,分别将正常数据和离群点数据投影到典型变量空间,利用典型变量空间数据训练单类随机森林。基于单类随机森林模型根据待检测样本与正常数据的相似度构造监控统计量进行故障检测。在Tennessee Eastman过程的仿真结果表明,所提DOCRF方法总体优于单类支持向量机方法。
[Abstract]:Based on the nonlinear and dynamic characteristics of high-dimensional chemical processes, a process monitoring method based on dynamic single-class stochastic forest (dynamic one-class random forestDOCRF) is proposed. Based on the sparse analysis of process data under normal operation, outlier data are generated according to its inverse distribution. The correlation analysis of normal data is carried out by using canonical variable analysis. The normal data and outlier data are projected into the canonical variable space, and the canonical variable spatial data are used to train the single-class random forest. Based on the single class stochastic forest model, the monitoring statistics are constructed according to the similarity between the samples to be detected and the normal data for fault detection. The simulation results of Tennessee Eastman process show that the proposed DOCRF method is superior to the single class support vector machine method.
【作者单位】： 中国石油大学(华东)信息与控制工程学院;
【基金】：国家自然科学基金项目(61273160,61403418,21606256) 山东省自然科学基金项目(ZR2014FL016,ZR2016FQ21,ZR2016BQ14) 中央高校基本科研业务费专项资金项目(14CX02174A)~~
【分类号】：TP277;TQ021.8

【相似文献】

相关期刊论文 前6条

1 董陇军;李夕兵;彭康;;岩爆等级预测的随机森林模型及应用(英文)[J];Transactions of Nonferrous Metals Society of China;2013年02期

2 温廷新;张波;邵良杉;;煤与瓦斯突出预测的随机森林模型[J];计算机工程与应用;2014年10期

3 金宇;周可新;方颖;刘欣;;基于随机森林模型预估气候变化对动物物种潜在生境的影响[J];生态与农村环境学报;2014年04期

4 马广立;赵筱萍;程翼宇;;基于随机森林与Chemistry Development Kit描述符的P-gp底物识别[J];高等学校化学学报;2007年10期

5 张庆友;龙海林;冯秀林;索净洁;张丹丹;李静亚;许力壮;许禄;;MOLMAP指数及其在变异性预测中的应用[J];物理化学学报;2012年03期

6 ;[J];;年期

相关会议论文 前7条

1 谢程利;王金桥;卢汉清;;核森林及其在目标检测中的应用[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

2 武晓岩;方庆伟;;基因表达数据分析的随机森林方法及算法改进[A];黑龙江省第十次统计科学讨论会论文集[C];2008年

3 张天龙;梁龙;王康;李华;;随机森林结合激光诱导击穿光谱技术用于的钢铁分类[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

4 相玉红;张卓勇;;组蛋白去乙酰化酶抑制剂的构效关系研究[A];第十一届全国计算（机）化学学术会议论文摘要集[C];2011年

5 张涛;李贞子;武晓岩;李康;;随机森林回归分析方法及在代谢组学中的应用[A];2011年中国卫生统计学年会会议论文集[C];2011年

6 冯飞翔;冯辅周;江鹏程;刘菁;刘建敏;;随机森林和k-近邻法在某型坦克变速箱状态识别中的应用[A];第八届全国转子动力学学术讨论会论文集[C];2008年

7 曹东升;许青松;梁逸曾;陈宪;李洪东;;组合树的集合体和后向消除策略去分类P-糖蛋白化合物[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年

相关博士学位论文 前5条

1 张乾;基于随机森林的视觉数据分类关键技术研究[D];华南理工大学;2016年

2 曹正凤;随机森林算法优化研究[D];首都经济贸易大学;2014年

3 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年

4 岳明;基于随机森林和规则集成法的酒类市场预测与发展战略[D];天津大学;2008年

5 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年

相关硕士学位论文 前10条

1 钱维;药品不良反应监测中随机森林方法的建立与实现[D];第二军医大学;2012年

2 韩燕龙;基于随机森林的指数化投资组合构建研究[D];华南理工大学;2015年

3 贺捷;随机森林在文本分类中的应用[D];华南理工大学;2015年

4 张文婷;交通环境下基于改进霍夫森林的目标检测与跟踪[D];华南理工大学;2015年

5 李强;基于多视角特征融合与随机森林的蛋白质结晶预测[D];南京理工大学;2015年

6 朱玟谦;一种收敛性随机森林在人脸检测中的应用研究[D];武汉理工大学;2015年

7 肖宇;基于序列图像的手势检测与识别算法研究[D];电子科技大学;2014年

8 李慧;一种改进的随机森林并行分类方法在运营商大数据的应用[D];电子科技大学;2015年

9 赵亚红;面向多类标分类的随机森林算法研究[D];哈尔滨工业大学;2014年

10 黎成;基于随机森林和ReliefF的致病SNP识别方法[D];西安电子科技大学;2014年

，

本文编号：2172163