發(fā)布時間：2024-06-11 21:18

　　鋁制造業(yè)是我國國民經濟的支柱產業(yè)之一,最近兩年總資產貢獻率均超過10%,高于全國工業(yè)9%的平均水平。鋁具有鑄造性強,密度小,不易腐蝕等優(yōu)點,在航空航天、建筑裝飾、電子家電等領域被廣泛應用。過熱度是鋁電解過程中的一項重要參數,具體定義為鋁電解質溫度和初晶溫度的差值。將過熱度控制在合適范圍內可以減小電流造成的損耗,延長電解槽壽命。由于實時測量過熱度難度較大,因此對未來時間點的過熱度進行預測從而進行防護防治顯得尤為重要。針對過熱度預測的問題,本文結合粒計算和時間序列數據挖掘等理論展開了如下研究工作:1.針對過熱度無法有效的進行實時測量的問題,提出了一種基于多粒度的鋁電解過熱度預測模型(Prediction Model Based on Time Granularity,PMBTG)。首先,進行數據的預處理,對原始數據中頻率不同的兩部分數據進行頻率統(tǒng)一,選擇出合適的屬性用于構建特征;其次,基于多粒度思想,定義時間片大小,在時間片內劃分時間粒,并結合時間粒構建新的特征集與樣本集;然后,對樣本數不平衡的小樣本集進行過采樣處理使得樣本數接近于1:1;最后,利用分類器對新的樣本集進行訓練,得到基于多粒...

【文章頁數】：59 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
        1.2.1 粒計算的研究現狀
        1.2.2 時間序列數據挖掘的研究現狀
        1.2.3 并行計算的研究現狀
    1.3 論文主要工作
    1.4 論文組織結構
第2章 相關理論分析
    2.1 粒計算
    2.2 時間序列數據挖掘
    2.3 機器學習分類算法
    2.4 本章小結
第3章 基于多粒度的鋁電解過熱度預測模型
    3.1 模型框架
    3.2 數據介紹
    3.3 鋁電解過熱度預測模型
        3.3.1 確定時間片和時間粒的大小
        3.3.2 構建特征集和樣本集
        3.3.3 對不平衡樣本集進行過采樣操作
        3.3.4 算法描述
        3.3.5 算法復雜度分析
    3.4 實驗分析
        3.4.1 評價指標與數據集
        3.4.2 對比實驗
    3.5 本章小結
第4章 基于多粒度的鋁電解過熱度并行預測模型
    4.1 分布式計算框架
        4.1.1 Map Reduce
        4.1.2 Spark
        4.1.3 Map Reduce與 Spark
    4.2 基于多粒度的鋁電解過熱度預測模型的并行化
        4.2.1 樣本集構建階段的并行化
        4.2.2 過采樣階段的并行化
        4.2.3 分類學習
    4.3 實驗設計與分析
        4.3.1 度量標準
        4.3.2 數據集與運行環(huán)境
        4.3.3 實驗方法
        4.3.4 實驗效果
    4.4 鋁電解槽過熱度預測系統(tǒng)
        4.4.1 系統(tǒng)介紹
        4.4.2 功能介紹
        4.4.3 系統(tǒng)使用方法
    4.5 本章小結
第5章 總結與展望
    5.1 總結
    5.2 未來工作
參考文獻
致謝
攻讀碩士學位期間從事的科研工作及取得的成果



本文編號：3992729