大数据高阶分析
案例一：煤气化炉的工况优化模型
覆盖原料参数、操作和炉内参数历史数据，基于机器学习的算法，构建气化炉的最优比煤耗预测模型
案例二：甲醇合成塔工况优化模型
基于“等经济线”评价，利用神经网络分析识别甲醇合成塔的最经济运行参数区间
背景情况
甲醇合成反应的生产状态和符合波动性明显，且受到反应速度和冷却能力的约束。许多输入参数都会影响反应速率，这些参数还会相互干扰， 故可以采用神经网络从而确定最经济的运行模式参数组
解决方案
覆盖原料参数、操作和炉内参数历史数据，基于机器学习的算法，构建气化炉的最优比煤耗预测模型
基于“等经济线”评价，利用神经网络分析识别甲醇合成塔的最经济运行参数区间
甲醇合成反应的生产状态和符合波动性明显，且受到反应速度和冷却能力的约束。许多输入参数都会影响反应速率，这些参数还会相互干扰， 故可以采用神经网络从而确定最经济的运行模式参数组