Data-Driven Prediction for Industrial Processes and Their Applications / Zhao, Jun  

Público ISBD Ningún comentario para este registro. Título : Data-Driven Prediction for Industrial Processes and Their Applications Tipo de documento: documento electrónico Autores: Zhao, Jun, ; Wang, Wei, ; Sheng, Chunyang, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XVI, 443 p. 167 ilustraciones, 128 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-94051-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos  Artículos  Inteligencia artificial  Sistemas de seguridad  La investigación de operaciones  Minería de datos y descubrimiento de conocimientos  Máquinas  Herramientas  Procesos  Ciencia y tecnología de seguridad  Investigación de Operaciones y Teoría de la Decisión Clasificación: 006.312 Resumen: Este libro presenta métodos de modelado y algoritmos para la predicción y previsión basada en datos de procesos industriales prácticos mediante el empleo de metodologías estadísticas y de aprendizaje automático. También se abordan y analizan estudios de casos relacionados, especialmente sobre sistemas energéticos en la industria del acero. Los estudios de caso de este volumen se basan enteramente tanto en problemas clásicos de predicción basados ​​en datos como en requisitos de prácticas industriales. Figuras y tablas detalladas demuestran la efectividad y generalización de los métodos abordados, y las clasificaciones de los problemas de predicción abordados provienen de demandas industriales prácticas, más que de categorías académicas. De este modo, los lectores aprenderán los enfoques correspondientes para resolver sus problemas técnicos industriales. Aunque el contenido de este libro y sus estudios de casos provienen de la industria del acero, estas técnicas también pueden usarse para otras industrias de procesos. Este libro atrae a estudiantes, investigadores y profesionales dentro de las comunidades de aprendizaje automático, análisis de datos y minería. Nota de contenido: Preface -- Introduction -- Why the prediction is required for industrial process -- Introduction to industrial process prediction -- Category of industrial process prediction -- Common-used techniques for industrial process prediction -- Brief summary -- Data preprocessing techniques -- Anomaly detection of data -- Correction of abnormal data -- Methods of packing missing data -- Data de-noising techniques -- Data fusion methods -- Discussion -- Industrial time series prediction -- Introduction -- Methods of phase space reconstruction -- Prediction modeling -- Benchmark prediction problems -- Cases of industrial applications -- Discussion -- Factor-based industrial process prediction -- Introduction -- Methods of determining factors -- Factor-based single-output model -- Factor-based multi-output model -- Cases of industrial applications -- Discussion -- Industrial Prediction intervals with data uncertainty -- Introduction -- Common-used techniques for prediction intervals -- Prediction intervals with noisy outputs -- Prediction intervals with noisy inputs and outputs -- Time series prediction intervals with missing input -- Industrial cases of prediction intervals -- Discussion -- Granular computing-based long term prediction intervals -- Introduction -- Basic theory of granular computing -- Techniques of granularity partition -- Long-term prediction model -- Granular-based prediction intervals -- Multi-dimension granular-based long term prediction intervals -- Discussion -- Parameters estimation and optimization -- Introduction -- Gradient-based methods -- Evolutionary algorithms -- Nonlinear Kalman-filter estimation -- Probabilistic methods -- Gamma-test based noise estimation -- Industrial applications -- Discussion -- Parallel computing considerations -- Introduction -- CUDA-based parallel acceleration -- Hadoop-based distributed computation -- Other techniques -- Industrial applications to parallel computing -- Discussion -- Prediction-based scheduling of industrial system -- Introduction -- Scheduling of blast furnace gas system -- Scheduling of coke oven gas system -- Scheduling of converter gas system -- Scheduling of oxygen system -- Predictive scheduling for plant-wide energy system -- Discussion. Tipo de medio : Computadora Summary : This book presents modeling methods and algorithms for data-driven prediction and forecasting of practical industrial process by employing machine learning and statistics methodologies. Related case studies, especially on energy systems in the steel industry are also addressed and analyzed. The case studies in this volume are entirely rooted in both classical data-driven prediction problems and industrial practice requirements. Detailed figures and tables demonstrate the effectiveness and generalization of the methods addressed, and the classifications of the addressed prediction problems come from practical industrial demands, rather than from academic categories. As such, readers will learn the corresponding approaches for resolving their industrial technical problems. Although the contents of this book and its case studies come from the steel industry, these techniques can be also used for other process industries. This book appeals to students, researchers, and professionals withinthe machine learning and data analysis and mining communities. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Data-Driven Prediction for Industrial Processes and Their Applications [documento electrónico] / Zhao, Jun, ; Wang, Wei, ; Sheng, Chunyang,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - XVI, 443 p. 167 ilustraciones, 128 ilustraciones en color. ISBN : 978-3-319-94051-9 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos  Artículos  Inteligencia artificial  Sistemas de seguridad  La investigación de operaciones  Minería de datos y descubrimiento de conocimientos  Máquinas  Herramientas  Procesos  Ciencia y tecnología de seguridad  Investigación de Operaciones y Teoría de la Decisión Clasificación: 006.312 Resumen: Este libro presenta métodos de modelado y algoritmos para la predicción y previsión basada en datos de procesos industriales prácticos mediante el empleo de metodologías estadísticas y de aprendizaje automático. También se abordan y analizan estudios de casos relacionados, especialmente sobre sistemas energéticos en la industria del acero. Los estudios de caso de este volumen se basan enteramente tanto en problemas clásicos de predicción basados ​​en datos como en requisitos de prácticas industriales. Figuras y tablas detalladas demuestran la efectividad y generalización de los métodos abordados, y las clasificaciones de los problemas de predicción abordados provienen de demandas industriales prácticas, más que de categorías académicas. De este modo, los lectores aprenderán los enfoques correspondientes para resolver sus problemas técnicos industriales. Aunque el contenido de este libro y sus estudios de casos provienen de la industria del acero, estas técnicas también pueden usarse para otras industrias de procesos. Este libro atrae a estudiantes, investigadores y profesionales dentro de las comunidades de aprendizaje automático, análisis de datos y minería. Nota de contenido: Preface -- Introduction -- Why the prediction is required for industrial process -- Introduction to industrial process prediction -- Category of industrial process prediction -- Common-used techniques for industrial process prediction -- Brief summary -- Data preprocessing techniques -- Anomaly detection of data -- Correction of abnormal data -- Methods of packing missing data -- Data de-noising techniques -- Data fusion methods -- Discussion -- Industrial time series prediction -- Introduction -- Methods of phase space reconstruction -- Prediction modeling -- Benchmark prediction problems -- Cases of industrial applications -- Discussion -- Factor-based industrial process prediction -- Introduction -- Methods of determining factors -- Factor-based single-output model -- Factor-based multi-output model -- Cases of industrial applications -- Discussion -- Industrial Prediction intervals with data uncertainty -- Introduction -- Common-used techniques for prediction intervals -- Prediction intervals with noisy outputs -- Prediction intervals with noisy inputs and outputs -- Time series prediction intervals with missing input -- Industrial cases of prediction intervals -- Discussion -- Granular computing-based long term prediction intervals -- Introduction -- Basic theory of granular computing -- Techniques of granularity partition -- Long-term prediction model -- Granular-based prediction intervals -- Multi-dimension granular-based long term prediction intervals -- Discussion -- Parameters estimation and optimization -- Introduction -- Gradient-based methods -- Evolutionary algorithms -- Nonlinear Kalman-filter estimation -- Probabilistic methods -- Gamma-test based noise estimation -- Industrial applications -- Discussion -- Parallel computing considerations -- Introduction -- CUDA-based parallel acceleration -- Hadoop-based distributed computation -- Other techniques -- Industrial applications to parallel computing -- Discussion -- Prediction-based scheduling of industrial system -- Introduction -- Scheduling of blast furnace gas system -- Scheduling of coke oven gas system -- Scheduling of converter gas system -- Scheduling of oxygen system -- Predictive scheduling for plant-wide energy system -- Discussion. Tipo de medio : Computadora Summary : This book presents modeling methods and algorithms for data-driven prediction and forecasting of practical industrial process by employing machine learning and statistics methodologies. Related case studies, especially on energy systems in the steel industry are also addressed and analyzed. The case studies in this volume are entirely rooted in both classical data-driven prediction problems and industrial practice requirements. Detailed figures and tables demonstrate the effectiveness and generalization of the methods addressed, and the classifications of the addressed prediction problems come from practical industrial demands, rather than from academic categories. As such, readers will learn the corresponding approaches for resolving their industrial technical problems. Although the contents of this book and its case studies come from the steel industry, these techniques can be also used for other process industries. This book appeals to students, researchers, and professionals withinthe machine learning and data analysis and mining communities. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200