为解决卷烟包装成本高的问题,提出基于数据挖掘的卷烟包装成本参数自优化与控制方法。首先利用数据挖掘技术对卷烟原材料耗费量等数据进行多维度分析,在此基础上采集卷烟包装加工成本数据,获得卷烟包装材料的实际成本;然后利用支持向量机预测模型获得卷烟包装加工成本和加工参数之间的关系,实现卷烟包装成本参数自优化与控制。仿真实验结果表明运用该方法对卷烟包装成本参数进行优化与控制,可以更全面、便捷地统计卷烟包装成本和利润。

针对用户需求获取及预测模糊性、抽象性等问题,提出基于Web评论数据和专利知识获取及预测用户需求的方法。首先,采用SAS软件基于特征提取技术获取用户显性需求;然后,通过结构方程模型(SEM)分析显性需求与马斯洛需求层次的潜在关系,并确定需求权重;最后,挖掘专利知识单元结合需求等级,挖掘用户隐性需求;依据Kano属性对用户需求分类,结合需求进化定律确定用户需求进化方向。以儿童用双轮智能平衡车为例,论证此方法的可行性。

大型旋转机械设备在发生故障时所造成的损失是不可计算的,因此建立了关联规则库预警模型。首先采用全矢Hilbert对正常运行状态下的同源双通道原始样本数据进行信息融合,然后进行离散化等预处理,建立后期工作所需要的数据库。利用Apriori算法发现滚动轴承八个特征频率幅值数据之间的未知关系,继而用挖掘出的关联规则构建一个规则库。将运行数据通过处理之后与所建立的规则库相匹配,并设立阈值,依据此结果在设备未完全报废之前,及时发出报警信号,达到预警目的。

针对当前输电线路故障预警存在精度低的难题,设计基于大数据的输电线路故障预警模型。首先采集故障相关的特征数据,利用粗神经网络算法对数据内故障因子进行挖掘,然后利用朴素贝叶斯算法计算故障因子发生指数,结合时间序列一致性的故障匹配算法完成输电线路故障预警。测试结果表明,该模型能够有效且全面地挖掘故障因子,准确预警输电线路故障。

为了加强故障信息数据挖掘力度,减少人力物力资源浪费,解决机械故障图像检测的特征信息、高分辨属性描述清晰度有限等问题,在决策树算法的基础上构建一种诊断机械故障信息挖掘方法。对机械故障检测图像中连续小波进行离散化处理,提取小波变换特征,将多次分解后的小波变换特征集成为并行结构;根据包含小波变换特征集并行结构的子集节点,在决策树算法中引入C4.5算法,优化挖掘出具有较高取值信息增益的灰度级,并通过校正矩阵将每个样本图像构造成多个不同的训练数据集,去除不同的属性子集,形成众多深度树,重复选择,直到得到目标数据。仿真实验结果表明,所提出的算法具有计算简单、挖掘效率高等优点,能够在最短时间内获取最优数据挖掘结果,可以广泛应用在现实生活中。

为了更好的利用海量数据中蕴藏的隐藏规律,对数据更好的挖掘,提高对钢铁企业高炉煤气产生量的预测精度,针对钢铁企业实际生产作业所采集到的非平稳非线性的数据,这里提出一种将卷积神经网络(CNN)和门结构循环单元(GRU)网络相结合的预测模型。模仿词向量方法,将海量的时间信息、温度数据和压力数据等信息串联成一个向量作为输入,采用CNN对输入进行特征提取,将得到的特征向量构造为时间序列,并作为输入数据给GRU网络进行高炉煤气产生量预测。这里所提出的方法,对唐山某钢铁企业的实际生产中数据进行预测实验,结果表明,这里所提出的方法比传统的BP神经网络和LSTM网络预测模型具有更高的预测精度和更快的预测速度。

集气管的是炼焦制气的重要组成部分,保持集气管压力的稳定,可以提高炼焦制气的效率,降低炼焦制气中产生的气体对环境的污染。随着数据挖掘理论在工业中的应用,支持向量机(The Support Vector Machine SVM)在集气管压力的控制上取得了良好的效果,但其在处理非线性的数据方面的效果并不显著,为了解决这个问题,这里提出了一种平滑支持向量机模型,这是一个具有数据采集、数据平滑与非线性逼近功能相统一的系统模型,利用平滑度对数据进行噪声处理,将平滑处理过的数据用于回归模型的预测控制。这里提出的方法,对唐山某钢铁企业的实际数据进行实验仿真,结果表明,平滑支持向量模型对集气管压力的控制均方根误差较小,控制效果显著。

基于传统的尺寸统计报警理论经验,对报警监控的对象、监控的算法及报警的后续发展做了创新拓展探索。结合当前开发的IT报警系统的功能应用,分享一些设计思路和核心算法,为相关行业数据报警技术的应用提供参考。