已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Intelligent prediction and early warning of abnormal conditions for fluid catalytic cracking process

过程(计算) 钥匙(锁) 排名(信息检索) 计算机科学 变量(数学) 预警系统 数据挖掘 特征(语言学) 人工智能 数学 计算机安全 语言学 电信 操作系统 数学分析 哲学
作者
Wende Tian,Shaochen Wang,Suli Sun,Chuankun Li,Yang Lin
出处
期刊:Chemical Engineering Research & Design [Elsevier]
卷期号:181: 304-320 被引量:22
标识
DOI:10.1016/j.cherd.2022.03.031
摘要

Fluid catalytic cracking (FCC) is a key unit in the petrochemical production process with frequently encountered abnormal conditions and great safety challenge due to its complex and harsh production environment. The prediction and early warning of abnormal conditions in FCC process is able to improve the safety and stability of production process and avoid the occurrence of severe accidents. In this paper, a data-driven and knowledge-based fusion approach (DL-SDG) is proposed for prediction and early warning of abnormal conditions in FCC process. Firstly, the key variable is identified as prediction target of the process through the calculation of centrality in complex network. Secondly, Spearman ranking correlation coefficient is used for the selection of feature variables to reduce the input data dimension and improve the prediction accuracy of the deep learning (DL) model. Then, the long short-term memory network with attention mechanism and convolution layer is applied to predict the future trend of the key variable. Finally, the signed directed graph (SDG) model deduces the propagation path of abnormal conditions based on the predicted results of key variable to facilitate handling the anomaly in time. The proposed method was successfully applied to a typical FCC unit in a petrochemical enterprise with an excellent performance.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
panching完成签到,获得积分10
1秒前
木子李完成签到 ,获得积分10
1秒前
sunpeilin发布了新的文献求助30
2秒前
有机分子笼完成签到,获得积分10
2秒前
lalala应助wgcheng采纳,获得10
2秒前
累啊发布了新的文献求助30
2秒前
3秒前
共享精神应助NanXin采纳,获得10
3秒前
闪电侠发布了新的文献求助30
6秒前
大模型应助兴奋蓝血采纳,获得10
7秒前
企鹅吃圣代完成签到 ,获得积分10
7秒前
爱吃巧克力完成签到,获得积分10
9秒前
林狗发布了新的文献求助10
9秒前
10秒前
自觉问梅完成签到,获得积分10
10秒前
11秒前
13秒前
13秒前
15秒前
15秒前
科目三应助舒适的以南采纳,获得10
17秒前
累啊发布了新的文献求助10
18秒前
explorer发布了新的文献求助10
18秒前
18秒前
木木发布了新的文献求助10
19秒前
Lancent完成签到,获得积分10
19秒前
Little_可爱发布了新的文献求助10
20秒前
甜蜜冰颜完成签到,获得积分10
20秒前
22秒前
rynchee完成签到 ,获得积分10
22秒前
科研通AI2S应助傲娇的尔竹采纳,获得10
22秒前
辛勤从霜发布了新的文献求助30
22秒前
兴奋蓝血发布了新的文献求助10
23秒前
情怀应助花花公子帅章鱼采纳,获得10
24秒前
huo发布了新的文献求助10
25秒前
25秒前
无谓发布了新的文献求助10
25秒前
26秒前
26秒前
Little_可爱完成签到,获得积分10
27秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256680
求助须知:如何正确求助?哪些是违规求助? 2898790
关于积分的说明 8302441
捐赠科研通 2567935
什么是DOI,文献DOI怎么找? 1394833
科研通“疑难数据库(出版商)”最低求助积分说明 652913
邀请新用户注册赠送积分活动 630631