基于物联网和数据挖掘技术的危化品预警平台的设计与实现

作     者：程思哲 

作者单位：南京邮电大学 

学位级别：硕士

导师姓名：钱国明

授予年度：2022年

学科分类：100405[医学-卫生毒理学] 1004[医学-公共卫生与预防医学(可授医学、理学学位)] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 10[医学] 

主      题：危化品 安全生产监测 传感器 预测算法 数据挖掘 

摘      要：在工业4.0时代,物联网、云计算、数据挖掘等技术发展与应用日益成熟,企业安全生产管理将不再局限于传统的模式,安全管理信息平台从顶层的决策层可以直达底层的分布式硬件,靠的是数据的及时采集以及实时数据分析。充分利用智能分析,对企业安全生产监测具有重要的价值。本文以化工行业危化品生产的安全监测为研究对象。新型安全技术对化工企业生产而言至关重要,利用工业物联网的“物物相连、数据采集与智能分析等特性,将有效提高化工企业工作效率,保障生产安全。企业日常生产每天会产生大量的物联网监测数据,该类数据对生产流程分析和生产决策制定具有很高的参考价值。如何存储和实时分析这些物联网数据对企业来说是亟待解决的问题。针对以上问题,本课题提出将工业物联网与大数据挖掘技术相结合,实现监测监控资源整合、实时分析及预警联动。论文主要做了以下研究工作:(1)设计并实现了危化品物联网采集系统,首先利用物联网技术实现对企业生产设备的相关特性参数(温度、压力、液位、有毒气体浓度等)进行实时采集,然后设计采集网关与数据缓冲层,将监测数据上传至数据中心平台,最后使用大数据存储技术实现监测数据的持久化;(2)基于化工生产应用实际与常见时间序列预测算法,本文设计并实现了一个高性能的预警模型算法:首先对特征相似的监测节点进行聚类,建立集群,使得相似监测点位可复用同一个预测模型,减少预测模型数量。同时,增加预测模型自适应更新机制,有效提高预警模型的准确性;(3)设计并实现了危化品预警平台,平台架构主要包括“离线数据处理模块和“在线数据处理模块两部分。其中离线数据处理模块负责数据的清洗、分析、建模和存储等功能;在线数据处理模块负责对监测数据进行实时处理,并使用预警模型进行实时监测预警;(4)在实验基础上对预警平台的模型训练效率和预测准确性进行分析,实验结果表明:相较于传统分析方法,引入了大数据分布式处理技术后,预警平台的离线分析和在线分析性能都有明显的提升。