基于优化决策树的化工企业风险监测算法  

Chemical Enterprise Production Steady Quantitative Measurement Based on Optimization Decision Tree

作　　者：林红[1] 孙雅娟[1] 

机构地区：[1]华北电力大学网络与信息中心,北京102206

出　　处：《计算机仿真》2013年第8期368-371,共4页Computer Simulation

摘　　要：化工企业生产过程中的数据变化带有很强的随机性和非线性。国内的大型化工企业在生产运行中产生了大量的数据,数据属性众多,对数据属性的监控较为被动和片面。传统的基于主成份分析的数据属性分析方法,在面对大量化工数据时,数据主成份特征不明显,与危险相关的属性很可能被弱化,造成检测不准。为此提出一种区域PSO优化决策的化工企业异常情况检测方法,在使用主成份分析法对影响因素进行综合评定的基础上,在经过PSO优化权重系数后的决策树构造方法对数据的复杂情况进行寻优处理,消除大数据量的影响。实验结果证明,经优化的决策树方法能够将更加准确地对化工企业的生产平稳度进行综合控制与分析,对实际的生产有很好的借鉴作用。Research the accurate risk monitoring of chemical enterprise.This paper put forward a chemical enterprise risk monitoring algorithm based on regional PSO optimization decision-making.The algorithm used the principal component analysis to comprehensively evaluate the influence factors,and used the decision tree construction method to optimization the complex situation of data after PSO optimizing the weight coefficients The experimental results show that the algorithm can make more accurate comprehensive control and analysis to the production smooth degree of chemical enterprises.

关 键 词：生产平稳 优化决策树 主成份分析 

分 类 号：TP125[自动化与计算机技术—控制理论与控制工程]