工业过程关键指标预测的知识协同进化增强图卷积网络方法（英文）

作者：牟天昊; 邹媛媛; 李少远^*

来源：控制理论与应用, 2023, 1-11.

• 关键指标预测
• 流程工业
• 知识挖掘
• 图卷积神经网络
• 数据-知识驱动建模
• 脱丁烷塔

在流程工业关键变量预测领域,已有研究致力于将过程知识与大数据相结合,以实现更高的准确性,降低过拟合风险和提高可解释性。然而,现有工作存在准确的先验知识构建成本高、无法从丰富的数据中挖掘知识等问题,限制了这些方法在实际工业过程中的广泛应用。为了解决这些挑战,本文提出了一种基于知识协同进化的增强图卷积网络方法。首先,利用易获取的过程流图构建低成本的粗粒度流程知识。然后,在图卷积神经网络模型训练中引入图探索,实现知识更新。最后,为了降低知识复杂度并保持一致性,设计了一种知识过滤机制。所提出的方法在基准的脱丁烷塔工艺过程上进行了验证。实验结果表明,该方法具有出色的预测准确性,并获得高质量的新知识。

• 单位
  上海交通大学; 系统控制与信息处理教育部重点实验室