科创中国

 *** 项目背景

 在工业生产过程中产生的大量数据被采集到计算机，作为历史数据存储在计算机中。本系统基于数据挖掘、机器学习等处理方法，采用关联规则和机器学习技术对工业生产数据进行分析，利用数据挖掘技术分析生产流程，找出各个过程参数间的影响关系，采用机器学习技术对生产参数进行数值模拟，分析企业的生产状态。与此同时，系统通过对工业生产数据的实时分析，实现企业在污染天气下的生产状况的管控。

 *** 项目技术

 （1）工业数据预处理。原始数据需通过整合，消除强关联属性，并根据应用合并与分割数据表，消除冗余与冲突数据，抽取样本数据，消减数据规模，同时对错漏数据进行修补，最终得到知识发现的元数据，确保数据挖掘与机器学习能够实施。

 （2）关联链技术。系统采用关联链的方式表示生产中的各个环节间的影响关系，在大量生产环节中找到关键节点进行调控，快速直接影响目标环节的结果，优化了机器学习的参数，可以大量节省计算资源，提高计算速度。

 （3）基于神经网路的状态分析技术。首先利用长短时循环神经网络对生产时序数据进行分类预测，得到不同生产状态下的相关数据分类情况，然后根据实时数据展示当前生产状态。同时利用柔性神经树方法，在关联链的基础上对影响目标环节的相关属性进行科学计算，在关联链的基础上对影响目标环节的相关属性进行科学计算，获取生产数据的变化趋势。

 *** 应用范围

 项目只需要对工业生产数据进行分析，对生产过程无介入性影响，原则上可以应用于任何工业生产领域。在项目组前期的研究中，已在水泥生产、热电生产、电力传输、棉花加工等领域开展了应用，均取得了较好效果。

 *** 项目团队

 (1) 杜韬，2014年获山东师范大学管理学博士学位，现为济南大学信息学院副教授，硕士生导师。近年来，发表SCI检索论文9篇，EI检索论文17篇，其中ESI高被引论文1篇，主持参与国家与省部级项目10余项，累计合同金额300余万元。

 (2) 潘红光， 2015年获西安交通大学工学博士学位；2013年-2015年赴美国里海大学化工系访学；现为山东诺蓝信息科技有限公司技术总监。先后主持国际和省部级项目等20余项，企业产品和技术开发项目若干。目前已发表SCI论文20余篇；获批或申请发明及实用新型专利10余项。

  (3)曲守宁，2011年获北京理工大学工学博士学位，现为济南大学信息学院教授，硕士生导师。近年来，发表SCI、EI检索论文20余篇，发明专利与软件著作权授权10余项，承担国家和省部级项目20余项，累计金额1500余万元。