基于大数据建模的玉米淀粉糖工艺参数预测系统开发

作者：李义; 刘颖慰; 都健; 赵优; 赵国兴; 佟毅^*

来源：当代化工研究, 2022, (14): 145-152.

DOI：10.3969/j.issn.1672-8114.2022.14.047

• 神经网络
• 玉米淀粉糖
• 聚类分析
• Lasso分析
• 参数预测
• 大数据

近年来，传统制造业面临着数字化挑战。建立基于大数据的智能工厂能够通过模型有效识别，将隐性和碎片化的工业问题显性化，形成新的知识积累。本文根据玉米深加工制备淀粉糖工艺中记录的实时数据，首先基于大数据技术对原始数据进行数据清洗，随后提出了三种数据降维与人工神经网络(ANN)相结合的策略对玉米深加工工艺的关键参数进行识别，并建立了过滤工段压差的预测模型，包括两步神经网络预测(T-ANN)法、聚类分析结合神经网络预测(C-ANN)法、Lasso回归结合神经网络预测(L-ANN)法。结果表明，三种方法均能准确地关联玉米淀粉上游工段的工艺条件与过滤工段压差的关系，复相关系数R均在0.99以上。通过以上三种模型，依据Olden权值排序法筛选出了权值较大的20个控制位点，从而大幅降低输入变量的维数，达到筛选关键控制位点的目的。通过对三种方法进行机理分析、敏感性分析以及超参数分析，发现L-ANN法对数据集的敏感性最低，预测精度较高，且能筛选出更多的具有机理可解释性的关键位点。

• 单位
  中粮营养健康研究院有限公司; 大连理工大学