导读:本文包含了动态过程数据论文开题报告文献综述及选题提纲参考文献，主要关键词:页岩,渗透率,含水率,甲烷吸附
动态过程数据论文文献综述
王蜜蕾[1]（2019）在《利用甲烷吸附动态过程数据计算含水页岩渗透率的方法》一文中研究指出由于页岩极其致密且孔隙结构复杂,其渗透性能一直是广大学者研究的重点,关于渗透率的测量与计算方法有很多,且页岩在自然状态下具有初始含水率,因此,对于含水页岩渗透率的研究也具有重要的意义。本研究对取自柴达木盆地东部石炭系的页岩样品进行分析,在考虑甲烷吸附的情况下,计算并对比干湿页岩样品、以及不同含水率的含水样品之间渗透率的差异。在进行页岩的渗透性能研究之前,先测量岩石样品的基础属性,包括矿物成分、有机地球化学特征、孔隙结构特征及孔径分布等。在此基础上,将样品制成直径为0.25毫米的颗粒状,选取其中叁组样品在相对湿度分别为65%、85%、95%,温度为25℃的条件下进行润湿处理,随后对干燥及含水页岩进行甲烷吸附实验,实验温度控制在40℃,压力范围为0-10 MPa。最后,根据甲烷吸附实验趋向平衡过程的动态数据,分别计算出各个干燥样品及不同含水率样品的渗透率,进行对比分析。研究发现,样品润湿后,其甲烷吸附能力平均下降了48.88%,且含水样品等温吸附曲线的变化趋势比干样品更为平缓;干样品的甲烷吸附速率θ与渗透率随实验压力变化的曲线都呈现相似的“w”形,且变化趋势具有“先同后异”的节点,在节点前渗透率和吸附速率所代表的都是样品小孔隙的特征,节点后则代表的是相对较大孔隙的特征;根据曲线变化以及分析,我们预测当实验压力达到无穷大时,甲烷吸附速率会无限接近于0,而此时渗透率将停止波动成为一个固定值k_f,这个值即为样品的固有渗透率。含水样品的渗透率相对于干燥样品下降了74.4%-89.3%左右,且渗透率与含水率之间呈现良好的指数函数关系:y=a0),孔隙度变化以及水的存在所造成的孔隙连通性下降是渗透率下降的主要原因;不同含水率的含水样品之间渗透率差异并不大,通过计算含水样品的水膜厚度与孔径分布,发现水分只对小孔隙造成明显影响,这是导致含水样品间渗透率差异不大的主要原因;此外,由于粘土矿物的亲水性,以及比表面积越大水分越容易吸附,研究发现渗透率下降率与总有机碳含量(TOC)和比表面积成正相关关系。(本文来源于《中国地质大学(北京)》期刊2019-06-01）
王凯[2]（2019）在《数据驱动的动态过程监测方法》一文中研究指出对于工业过程系统而言,数据模型要求建立与过程知识之间的良性循环。无论系统规模大小、线性程度、噪声强弱、开环运行或闭环运行,过程动态始终存在,是流程工业中最为本质的特性,也是过程最普遍的先验知识,这是由过程设备本身的惯性以及反馈控制的普遍应用决定的。因此,解决好动态过程的数据建模与监测问题具有重要意义。回顾过去在动态过程监测上的研究工作,其主要局限于假定工况信息已知、侧重于开环动态、简单非线性等问题上,离解决实际工业过程中存在的问题依然有一定距离。本文在已有工作的基础上,从工业实际需求出发,重点解决以下几个问题:(1)针对未知混合工况的多变量时间序列数据,以过程动态性为特征,提出了一套动态系统识别与分割,动态性能评估与诊断的技术。以动态模型之间的距离为分割指标,采用区间半分法和滑动窗结合的方法,可以快速有效定位出不同动态系统之间的分割点,并且该方法采用基于动态特征的距离而非传统方差协方差等指标划分工况,能更准确地挖掘工况信息。同时,动态性能指标被提出用以评估各个工况的运行性能,寻找历史数据中的最优工况。最后,稀疏贡献方法被提出以解决性能诊断问题,相比于传统基于变量贡献的方法,稀疏化之后的贡献能提高诊断准确率,具备更可靠的诊断结果。目前,许多高级数据建模工具都建立在工况信息已知的情况下,而该套工况划分方案也可作为这些数据技术的重要数据预处理步骤。(2)以闭环反馈系统为研究对象,分析了当前多变量统计分析方法在闭环过程监测中的本质缺陷,提出了闭环系统各个组件的故障定位方法以及基于过程滞后信息和输出过采样的故障诊断技术。传统数据驱动的监测技术大部分都假设开环数据,或不区分开环和闭环数据,在该研究中,利用闭环数据,分析了动态主元分析的故障检测与故障重构性能,证明了控制约束会导致故障检测和故障重构性能下降。对于具备纯滞后环节的被控过程,提出了基于反馈不变量的传感器故障诊断方法。对于不具备过程滞后先验知识,且面对一般性故障,提出了输出过采样的故障诊断解决方案。特别地,在子空间形式下,通过移位采样可以将闭环模型重塑为开环模型,实现有效的过程监测。以上解决方案不需要通过施加外部激励提取开环模型,解决了以故障重构贡献为基础的闭环故障诊断难题。考虑到变量贡献只能定位到故障变量或故障回路,为提供更丰富的故障诊断信息,我们也提出了一种故障设备定位方法,其目的不在于变量层面的诊断,而在于闭回路故障设备组件的诊断,如传感器故障,过程故障等。结合设备层面和变量层面的诊断信息,能提供更明确的决策支持。(3)针对带有不确定性的复杂非线性动态过程,提出了一种基于深度学习的方法学习随机非线性状态空间模型,并应用于故障检测。非线性状态转移方程以及非线性观测方程由深度前向网络实现。前向反向循环神经网络用于模拟状态的前向滤波和反向平滑。同时,结合梯度反向传播的期望最大化算法被用于训练整个模型。该模型集中考虑了复杂非线性,过程动态以及过程噪声的影响。相比于其他浅层模型,该模型能处理更强的非线性;由于采用循环神经网络估计状态,避免了序列蒙特卡洛等采样方法的应用。通过在状态空间以及残差空间中分别构造检测统计量可有效监测过程异常行为。(4)针对动态批次过程,考虑批次过程多阶段多模态特性,提出了基于线性动态系统的阶段划分方法,模态聚类方法以及处理多批次数据的期望最大化训练方法,并利用训练的模型实施故障检测。对于单个批次数据,利用动态模型对后续数据的预测效果判断工段是否切换,进而将批次划分为多个阶段;同时针对不同的批次,利用动态系统的距离指标将不同批次聚成不同模态,并对属于同一模态同一阶段的多批次数据进行重辨识,以获取相应模态和阶段的动态模型用于故障检测。(本文来源于《浙江大学》期刊2019-06-01）
房春英,董春游,顾泽元,刘文强,张兴华[3]（2019）在《科研进课堂之数据结构中图的应用——脑认知过程动态展示系统的设计与开发》一文中研究指出分析脑认知过程动态展示系统开发的目的和意义,阐述该系统的技术方案与实现方法,将理论知识与实际应用结合在一起,达到教学与科研相互促进的目的。(本文来源于《黑龙江科学》期刊2019年10期）
赵大伟,景爱萍[4]（2019）在《数据赋能视角下在线出行服务动态价值共创过程研究》一文中研究指出伴随新经济形态的快速发展,数字技术不断向各领域、各行业渗透和赋能。基于数据赋能视角,依据在线出行服务业务蓝图划分服务层次,剖析各环节的服务创新及服务主导逻辑,探讨数据赋能影响在线出行服务价值提升的微观机理,并构建数字化赋能促进在线出行服务质量提升的过程模型,以期为网络平台型企业基于数据赋能实现企业价值共创、共赢及服务质量提升等提供一定指导和借鉴。研究结果表明,数字经济时代,数据赋能对平台企业实现价值共创及服务质量提升发挥着重要的支撑和驱动作用。(本文来源于《商业研究》期刊2019年04期）
牛博通[5]（2019）在《基于数据驱动的电站锅炉燃烧过程动态自适应建模研究》一文中研究指出据估计,未来一段时间内火力发电仍将处于能源的主导地位。在国家相继提出了节能环保的各项政策后,提高燃烧效率和降低污染物排放成为优化电站锅炉燃烧的两个重要方向,特别是新能源介入后,需要火力发电更多的参与深度调峰,而建立准确有效的自适应动态模型是进行燃烧优化以及增强机组调峰能力等工作的重要基石,本文基于锅炉运行数据,在完成数据预处理的基础上,利用数据挖掘和机器学习的智能建模方法,建立了锅炉燃烧过程的自适应动态模型,为燃烧优化提供了有利条件。本文主要做了以下工作:(1)数据预处理:提出利用磨煤机进煤量和入炉煤量的质量守恒特性,实现起机后的煤质数据与运行数据的匹配;利用稳态边界参数与统计理论公式相结合的方法实现了稳态数据的判定;利用小波去噪的方法实现了运行数据的去噪;利用基于互信息的偏互信息方法,实现了模型最优特征变量的筛选。(2)大数据建模:利用支持向量机的方法建立了煤质发热量和飞灰含碳量的模型,利用核心支持向量机的方法建立排烟温度和含量的模型,核心支持向量机将支持向量机和计算几何相结合,更适用于大规模数据建模,改善了支持向量机难以解决大规模样本的缺点,同时采用量子遗传算法完成参数寻优,提出了一种PMI-QGA-CVR模型,PMI变量筛选降低了模型复杂度、快速的参数寻优和适用于大规模数据建模的方法使得计算时间大大减小,为实现在线动态模型提供了有利条件。(3)自适应动态模型:提出了一种基于样本选择与增量式方法相结合的自适应动态模型,并应用于锅炉燃烧模型,该模型利用增量式方法的在线处理优势,再通过拉格朗日乘子、核心支持向量机和互信息的样本选择,共同完成了新增样本的快速判别和核心集的更新,其自适应阈值判断和对样本的分析更新实现了模型的在线动态学习,仿真结果表明,新增样本发生较大变化后,自适应动态模型与离线模型相比,其预测精度有很大的提高。(本文来源于《华北电力大学》期刊2019-03-01）
王亚星,闫明明,李擎[6]（2019）在《银行卡积分系统静态数据模型及动态积分累计优惠过程探析》一文中研究指出随着金融市场的蓬勃发展,国内商业银行竞争日益加剧,吸收优质客户已成为各大银行主要目标之一。因此,为进一步吸纳优质客户,银行卡积分系统应运而生。银行卡积分使用灵活、用途广泛,诸如费用优惠、礼品兑换、积分变现等功能。此外,银行卡积分还具有吸纳存款、鼓励消费、招揽客户等积极意义。从银行卡积分系统的静态数据分布模型和动态消费积分累计及费用优惠过程进行阐述。(本文来源于《科技经济导刊》期刊2019年01期）
柳尚[7]（2018）在《基于数据挖掘的隧道施工全过程安全风险动态评估方法及工程应用》一文中研究指出城市快速路网的建设提高了城市的交通运输效率,而隧道工程则在城市交通规划中起到极其重要的作用。隧道工程作为大型的地下工程,具有施工组织规模大、投资建设时间长、地质灾害风险突出等特点,在施工过程中突发的风险事故会造成巨大的损失。因此为了提高隧道的施工建设安全,如何控制施工过程中的安全风险,实现隧道的安全、快速的施工成为了亟待解决的问题。本文以城市超大断面隧道施工全过程中的安全风险为研究对象,通过对风险的动态演化机理、风险信息数据挖掘、动态变权评估模型、风险管控GIS平台设计开发对隧道施工全过程的安全风险进行研究,主要内容如下:(1)总结了隧道施工全过程中风险的动态性、复杂性、全过程性等突出特征,设计隧道施工全过程动态风险评估模式。通过对隧道施工中风险演化机理的研究,从风险产生要素、风险耦合机制和风险演化过程,分析了风险在多场因素耦合下的复杂性和动态性。从隧道施工全过程的时空角度,基于“4M1E”安全管理的风险评估指标集的动态变化、指标评估权重的动态变化两个方法,提出了针对隧道施工全过程的动态风险变权重风险评估模式。(2)开展了针对隧道施工风险信息数据的挖掘分析,将产生的“大量的数据”向“有用的知识”转化。针对大量结构化数据和非结构数据,采用时间序列-动态神经网络(NRA)预测模型对隧道中的结构化数据应力应变等时间序列数据进行挖掘分析,在为隧道提供围岩变形预警的同时,利用预测值作为风险评估指标的状态值;利用R语言“jiebaR”程序文本挖掘工具开展对文本资料的分析挖掘,通过自建隧道风险评估专业分词词典,进行文本资料的词频分析、特征向量空间转化、共现网络分析等,同时将文本挖掘结果结合风险评价指标识别建立工作。(3)建立了基于变权理论的隧道施工动态风险评估数学模型,从动态指标建立和变权两个方面开展。利用“4M1E”模式建立的隧道施工风险评估体系,通过风险识别方法在确定隧道施工在不同的时空段中的风险因素集,实现风险评估指标体系的动态更新;将变权原理结合模糊综合评估方法,建立权重在指标状态值动态变化时变权赋值模型,最终进行隧道施工风险的综合评定确定其风险等级。(4)设计开发复杂地质条件下隧道施工安全风险评估管理系统,系统采用了GEOSERVER搭载OpenLayer4为技术手段实现了隧道群的地理信息可视化,选择距离空间转化索引算法将隧道里程桩号转化成GIS地理信息坐标,系统设计勘察设计、施工管理、风险评估、视频监控等功能模块,实现平台对隧道群施工全过程的风险管控。(本文来源于《山东大学》期刊2018-05-10）
董泽,尹二新,韩璞[8]（2018）在《基于迟延估计与Kalman状态跟踪的热工过程动态数据驱动建模》一文中研究指出针对常规热工对象历史数据建模过程中稳态数据获取困难的问题,从数据选取、数据处理和方法设计3方面出发,提出一种基于迟延估计与Kalman状态跟踪的热工过程动态数据驱动建模方法。该方法选取动态历史数据作为建模数据,将数据末端输入值作为输入稳态分量,将纯迟延时间及输出的稳态分量作为寻优变量的2个维度,并依据各量的值对数据进行处理;应用Kalman滤波算法获取系统初始状态后,结合智能寻优算法对系统进行建模仿真,对某火电机组高温过热器惰性区进行建模。结果表明:该建模方法能够直接应用系统的动态历史数据进行模型辨识,且所建模型具有较好的模型精度,为动态历史数据建模提供了参考。(本文来源于《动力工程学报》期刊2018年03期）
深圳市福田区政府采购中心[9]（2017）在《“数据化”政府采购机制改革落到实地》一文中研究指出今年以来，深圳市福田区政府采购中心运用“大数据+政府采购”的方式，优化升级3.0版《福田区政府采购履约监督管理信息系统》（以下简称“监管系统”），对政府采购合同履约监管模式进行了探索与突破，通过建设相关软件管理系统，利用信息化技术对政府采购履约情况进行监(本文来源于《中国政府采购报》期刊2017-11-07）
齐得山,巴金红,刘春,汪会盟,王元刚[10]（2017）在《盐穴储气库造腔过程动态监控数据分析方法》一文中研究指出为保证储气库造腔正常进行,需持续对造腔过程中的各项生产动态数据进行监控分析,及时发现问题并采取相应措施。对造腔过程中监测到的压力排量、排卤浓度、形态体积等生产动态数据实际值与计算的理论值进行对比,通过分析两者的差异性与油垫深度、两管距、不溶物蓬松系数等造腔参数之间的关系,形成了一套根据生产动态数据判断造腔参数是否异常的方法。如果造腔过程中造腔内管脱落,会出现油垫压力实际值大于理论值,排卤浓度实际值小于理论值的现象;若油垫上升,则油垫压力实际值小于理论值,排卤浓度实际值大于理论值。结合声呐测腔数据,用生产实例对该方法进行了验证,对分析造腔过程是否偏离设计方案具有重要的指导意义。(本文来源于《油气储运》期刊2017年09期）
动态过程数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对于工业过程系统而言,数据模型要求建立与过程知识之间的良性循环。无论系统规模大小、线性程度、噪声强弱、开环运行或闭环运行,过程动态始终存在,是流程工业中最为本质的特性,也是过程最普遍的先验知识,这是由过程设备本身的惯性以及反馈控制的普遍应用决定的。因此,解决好动态过程的数据建模与监测问题具有重要意义。回顾过去在动态过程监测上的研究工作,其主要局限于假定工况信息已知、侧重于开环动态、简单非线性等问题上,离解决实际工业过程中存在的问题依然有一定距离。本文在已有工作的基础上,从工业实际需求出发,重点解决以下几个问题:(1)针对未知混合工况的多变量时间序列数据,以过程动态性为特征,提出了一套动态系统识别与分割,动态性能评估与诊断的技术。以动态模型之间的距离为分割指标,采用区间半分法和滑动窗结合的方法,可以快速有效定位出不同动态系统之间的分割点,并且该方法采用基于动态特征的距离而非传统方差协方差等指标划分工况,能更准确地挖掘工况信息。同时,动态性能指标被提出用以评估各个工况的运行性能,寻找历史数据中的最优工况。最后,稀疏贡献方法被提出以解决性能诊断问题,相比于传统基于变量贡献的方法,稀疏化之后的贡献能提高诊断准确率,具备更可靠的诊断结果。目前,许多高级数据建模工具都建立在工况信息已知的情况下,而该套工况划分方案也可作为这些数据技术的重要数据预处理步骤。(2)以闭环反馈系统为研究对象,分析了当前多变量统计分析方法在闭环过程监测中的本质缺陷,提出了闭环系统各个组件的故障定位方法以及基于过程滞后信息和输出过采样的故障诊断技术。传统数据驱动的监测技术大部分都假设开环数据,或不区分开环和闭环数据,在该研究中,利用闭环数据,分析了动态主元分析的故障检测与故障重构性能,证明了控制约束会导致故障检测和故障重构性能下降。对于具备纯滞后环节的被控过程,提出了基于反馈不变量的传感器故障诊断方法。对于不具备过程滞后先验知识,且面对一般性故障,提出了输出过采样的故障诊断解决方案。特别地,在子空间形式下,通过移位采样可以将闭环模型重塑为开环模型,实现有效的过程监测。以上解决方案不需要通过施加外部激励提取开环模型,解决了以故障重构贡献为基础的闭环故障诊断难题。考虑到变量贡献只能定位到故障变量或故障回路,为提供更丰富的故障诊断信息,我们也提出了一种故障设备定位方法,其目的不在于变量层面的诊断,而在于闭回路故障设备组件的诊断,如传感器故障,过程故障等。结合设备层面和变量层面的诊断信息,能提供更明确的决策支持。(3)针对带有不确定性的复杂非线性动态过程,提出了一种基于深度学习的方法学习随机非线性状态空间模型,并应用于故障检测。非线性状态转移方程以及非线性观测方程由深度前向网络实现。前向反向循环神经网络用于模拟状态的前向滤波和反向平滑。同时,结合梯度反向传播的期望最大化算法被用于训练整个模型。该模型集中考虑了复杂非线性,过程动态以及过程噪声的影响。相比于其他浅层模型,该模型能处理更强的非线性;由于采用循环神经网络估计状态,避免了序列蒙特卡洛等采样方法的应用。通过在状态空间以及残差空间中分别构造检测统计量可有效监测过程异常行为。(4)针对动态批次过程,考虑批次过程多阶段多模态特性,提出了基于线性动态系统的阶段划分方法,模态聚类方法以及处理多批次数据的期望最大化训练方法,并利用训练的模型实施故障检测。对于单个批次数据,利用动态模型对后续数据的预测效果判断工段是否切换,进而将批次划分为多个阶段;同时针对不同的批次,利用动态系统的距离指标将不同批次聚成不同模态,并对属于同一模态同一阶段的多批次数据进行重辨识,以获取相应模态和阶段的动态模型用于故障检测。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态过程数据论文参考文献
[1].王蜜蕾.利用甲烷吸附动态过程数据计算含水页岩渗透率的方法[D].中国地质大学(北京).2019
[2].王凯.数据驱动的动态过程监测方法[D].浙江大学.2019
[3].房春英,董春游,顾泽元,刘文强,张兴华.科研进课堂之数据结构中图的应用——脑认知过程动态展示系统的设计与开发[J].黑龙江科学.2019
[4].赵大伟,景爱萍.数据赋能视角下在线出行服务动态价值共创过程研究[J].商业研究.2019
[5].牛博通.基于数据驱动的电站锅炉燃烧过程动态自适应建模研究[D].华北电力大学.2019
[6].王亚星,闫明明,李擎.银行卡积分系统静态数据模型及动态积分累计优惠过程探析[J].科技经济导刊.2019
[7].柳尚.基于数据挖掘的隧道施工全过程安全风险动态评估方法及工程应用[D].山东大学.2018
[8].董泽,尹二新,韩璞.基于迟延估计与Kalman状态跟踪的热工过程动态数据驱动建模[J].动力工程学报.2018
[9].深圳市福田区政府采购中心.“数据化”政府采购机制改革落到实地[N].中国政府采购报.2017
[10].齐得山,巴金红,刘春,汪会盟,王元刚.盐穴储气库造腔过程动态监控数据分析方法[J].油气储运.2017