基于多粒度的铝电解过热度预测模型研究

发布时间：2024-06-11 21:18

　　铝制造业是我国国民经济的支柱产业之一,最近两年总资产贡献率均超过10%,高于全国工业9%的平均水平。铝具有铸造性强,密度小,不易腐蚀等优点,在航空航天、建筑装饰、电子家电等领域被广泛应用。过热度是铝电解过程中的一项重要参数,具体定义为铝电解质温度和初晶温度的差值。将过热度控制在合适范围内可以减小电流造成的损耗,延长电解槽寿命。由于实时测量过热度难度较大,因此对未来时间点的过热度进行预测从而进行防护防治显得尤为重要。针对过热度预测的问题,本文结合粒计算和时间序列数据挖掘等理论展开了如下研究工作:1.针对过热度无法有效的进行实时测量的问题,提出了一种基于多粒度的铝电解过热度预测模型(Prediction Model Based on Time Granularity,PMBTG)。首先,进行数据的预处理,对原始数据中频率不同的两部分数据进行频率统一,选择出合适的属性用于构建特征;其次,基于多粒度思想,定义时间片大小,在时间片内划分时间粒,并结合时间粒构建新的特征集与样本集;然后,对样本数不平衡的小样本集进行过采样处理使得样本数接近于1:1;最后,利用分类器对新的样本集进行训练,得到基于多粒...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 粒计算的研究现状
        1.2.2 时间序列数据挖掘的研究现状
        1.2.3 并行计算的研究现状
    1.3 论文主要工作
    1.4 论文组织结构
第2章 相关理论分析
    2.1 粒计算
    2.2 时间序列数据挖掘
    2.3 机器学习分类算法
    2.4 本章小结
第3章 基于多粒度的铝电解过热度预测模型
    3.1 模型框架
    3.2 数据介绍
    3.3 铝电解过热度预测模型
        3.3.1 确定时间片和时间粒的大小
        3.3.2 构建特征集和样本集
        3.3.3 对不平衡样本集进行过采样操作
        3.3.4 算法描述
        3.3.5 算法复杂度分析
    3.4 实验分析
        3.4.1 评价指标与数据集
        3.4.2 对比实验
    3.5 本章小结
第4章 基于多粒度的铝电解过热度并行预测模型
    4.1 分布式计算框架
        4.1.1 Map Reduce
        4.1.2 Spark
        4.1.3 Map Reduce与 Spark
    4.2 基于多粒度的铝电解过热度预测模型的并行化
        4.2.1 样本集构建阶段的并行化
        4.2.2 过采样阶段的并行化
        4.2.3 分类学习
    4.3 实验设计与分析
        4.3.1 度量标准
        4.3.2 数据集与运行环境
        4.3.3 实验方法
        4.3.4 实验效果
    4.4 铝电解槽过热度预测系统
        4.4.1 系统介绍
        4.4.2 功能介绍
        4.4.3 系统使用方法
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 未来工作
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3992729