简介:摘要:在大型铝电解槽生产过程中,由于电解槽存在大滞后、多变量的非线性作用影响,因此很难用常规的基于数学模型来稳定地控制,而传统经验型的控制无法满足生产需求。在生产过程中,数据具有离散性、不完整、不确定、多维、动态、数据量大等特性,如何有效地利用这些数据的特点,从庞杂的数据中寻找各种因素之间的相互关系和主要因素,对促进铝电解生产,提高电流效率,减少温室气体排放,将产生巨大的社会经济效益。目前,在铝电解生产过程中,对热平衡的控制基本上是处于传统经验型的控制,缺乏专家领域知识的决策支持,无法满足现代化大型铝电解生产需求。随着数据挖掘技术的发展,通过对数据仓储中的序列数据趋势分析与预测、相似度分析和相关分析的深度挖掘,获取新的知识,做出归纳推理,从中挖掘出潜在的规律,形成领域专家知识库,为决策支持系统提供技术支撑。