新書推薦：
《
唐代官制：官吏体系与机构运行
》
售價：NT$
551
《
超简单的量子力学 波粒二象性 量子隧穿效应 不确定性原理 量子纠缠 一小时掌握描述微观世界本质规律的
》
售價：NT$
184
《
隋唐五代史（图文导读版）吕思勉历史著作集 精装 全2册
》
售價：NT$
1163
《
彩虹：从神话到数学（启蒙文化数学译丛）
》
售價：NT$
551
《
超级合作者
》
售價：NT$
663
《
清华大学藏战国竹简校释（陆）：越公其事
》
售價：NT$
383
《
古今英国园林
》
售價：NT$
500
《
奇迹时刻：获得全新的认知与领悟，如何爱自己，打破原生家庭限制，找寻真正的自由与自爱
》
售價：NT$
305
|
| 內容簡介： |
本书全面贯彻党的教育方针，落实立德树人根本任务，有机融入党的二十大精神，内容遵循学生的认知规律，结合数据分析的特点和流程，按照工业大数据（化工方向）的业务特点，分为基础篇、案例篇和训练篇。基础篇包括项目1和项目2，属于基础知识和技术内容，主要介绍了大数据技术及其在化工生产中的应用；项目3至项目7为案例篇，主要介绍了大数据技术在调节阀流量监测、泵的运行维护、产品质量控制、橡胶生产浆液浓度控制以及工艺参数优化中的应用；项目8至项目11为训练篇，主要包括大数据技术在精馏操作、压缩机的运行维护、换热器的运行维护以及在2?巯基苯并噻唑生产工艺控制中的应用训练。
本书注重理论与实践相结合，书中的案例均来源于最新的企业实践应用项目，通过案例可帮助读者快速了解大数据相关技术和化工企业的实际业务，熟悉化工大数据的应用，进而掌握基本的化工大数据分析技术。
本书可作为高等职业教育本科、专科化工技术类、计算机大数据类及相关专业的教材，也可供对工业大数据感兴趣的读者阅读参考。
|
| 關於作者： |
|
朱宝生，常州工程职业技术学院 智能制造学院 大数据技术专业 教授，长期从事一线教学和科研工作，经验丰富。主持学校化工大数据双跨团队，发表数据分析相关专业核心期刊论文近十篇，具有较为丰富的大数据企业实践经历。
|
| 目錄：
|
基础篇
项目1 大数据技术 2
【学习目标】 2
1.1 大数据概述 2
1.1.1 大数据的特性 2
1.1.2 大数据技术栈的发展史 3
1.1.3 大数据应用的发展过程 5
1.1.4 大数据在现实生活中的应用 6
1.2 大数据的基本概念 7
1.3 大数据与海量信息的关系 8
1.4 大数据的来源与特点 9
1.5 大数据技术的应用 10
1.6 大数据在现实生活中的应用案例 11
1.7 大数据技术应用流程 12
1.7.1 选择数据集 12
1.7.2 数据预处理 12
1.7.3 数据特征分析(利用数据的特征进行数据分析) 12
1.7.4 数据挖掘构建预测模型 12
1.7.5 模型质量评估 13
1.7.6 模型应用 13
1.7.7 模型优化 13
1.7.8 数据分析报告(利用数据可视化技术) 13
1.8 大数据模型 14
1.8.1 时间序列的基本概念 14
1.8.2 时间序列的构成因素 15
1.8.3 时间序列分析方法 16
拓展阅读 17
课后练习 17
项目2 化工生产中的大数据技术 19
【学习目标】 19
2.1 传统化工数据处理方式的局限性 19
2.2 化工生产中应用大数据技术的意义 20
2.3 大数据技术在化工生产中的应用及发展趋势 21
2.3.1 大数据技术在化工生产中的应用 21
2.3.2 大数据技术在化工生产中应用的发展趋势 21
2.4 化工生产中数据的类型和采集方法 22
2.4.1 化工生产中数据的类型 22
2.4.2 化工生产中数据的采集 22
2.5 化工大数据的处理技术 24
2.5.1 数据的挖掘 24
2.5.2 数据的处理 24
2.5.3 数据的分析 26
2.5.4 数据的可视化 26
2.6 化工大数据分析结果的应用 26
2.6.1 优化生产过程 26
2.6.2 改善化工设备的运行和维护 27
2.6.3 体系协同优化 27
2.6.4 提高生产过程的自动化程度 27
拓展阅读 27
课后练习 28
案例篇
项目3 大数据技术在调节阀流量监测中的应用 30
【学习目标】 30
任务3.1 了解调节阀流量监测的意义及确定变量体系 31
3.1.1 调节阀流量监测的意义 31
3.1.2 调节阀监测目标及变量体系的确定 31
任务3.2 调节阀流量监测中工艺数据的采集 32
数据采集 32
分析方法3.1 基于Python的随机森林方法 33
任务3.3 工艺数据的分析与建模 33
3.3.1 数据探索性分析 33
3.3.2 数据预处理 38
3.3.3 机器学习建模 40
3.3.4 数据结果的应用 47
分析方法3.2 基于SPSS的神经网络方法 47
任务3.4 调节阀流量监测中工艺数据的预处理 47
3.4.1 IBM SPSS Modeler工具介绍 47
3.4.2 使用SPSS Modeler对数据进行预处理 49
任务3.5 调节阀流量监测中工艺数据的建模 56
3.5.1 自动建模 56
3.5.2 最优模型的分析及保存 57
任务3.6 调节阀流量监测中工艺数据模型的应用 59
拓展阅读 60
课后练习 61
项目4 大数据技术在泵的运行维护中的应用 63
【学习目标】 63
任务4.1 了解泵运行和维护的目标及确定变量体系 64
4.1.1 泵日常运行和维护的意义 64
4.1.2 泵运行监测目标及变量体系的确定 64
任务4.2 泵运行监测中工艺数据的 采集 66
数据采集 66
任务4.3 工艺数据的处理与建模 67
4.3.1 数据处理 67
4.3.2 “缺失值”挖掘与处理 70
4.3.3 “脏数据(噪声数据)”挖掘与清洗 72
4.3.4 “饱和值(重复值)”挖掘与处理 74
任务4.4 数据挖掘和稳态模型建立 75
4.4.1 数据粗分析(预分析:描述性统计分析) 75
4.4.2 选择研究模型(给出研究假设) 76
4.4.3 挖掘数据规律建立模型 80
4.4.4 数据训练(训练数据)及测试(测试数据) 81
4.4.5 研究结果分析(模型评估) 81
任务4.5 数据可视化 82
4.5.1 可视化展示技术 82
4.5.2 结果数据可视化展示 82
拓展阅读 85
课后练习 86
项目5 大数据技术在产品质量控制中的应用 87
【学习目标】 87
任务5.1 了解大数据技术在产品质量控制中的意义及确定变量体系 88
5.1.1 大数据技术在产品质量控制中的意义 88
5.1.2 产品质量控制的目标及变量体系的确定 88
任务5.2 数据采集与处理及可视化 89
5.2.1 提升管顶端温度(反应温度) 89
5.2.2 剂油比-原料预热温度 91
5.2.3 催化汽油蒸气压-稳定塔底温度 93
分析方法5.1 基于神经网络的产品质量控制分析 94
任务5.3 建立辛烷值预测模型1 94
5.3.1 数据准备及预处理 94
5.3.2 辛烷值损失模型介绍 102
5.3.3 模型拟合结果 106
分析方法5.2 基于支持向量机的产品质量控制分析 108
任务5.4 建立辛烷值预测模型2 108
5.4.1 数据探索性分析 109
5.4.2 数据预处理 113
5.4.3 机器学习建模 115
5.4.4 数据结果的应用 123
拓展阅读 124
课后练习 124
项目6 大数据技术在橡胶生产浆液浓度控制中的应用 127
【学习目标】 127
任务6.1 了解橡胶生产控制目标及确定变量体系 128
任务6.2 生产工艺数据的采集与处理 129
6.2.1 数据的采集 130
6.2.2 数据预处理 130
任务6.3 建立预测模型 138
6.3.1 角色设置 138
6.3.2 算法选择与参数配置 138
6.3.3 模型评估组件添加与配置 140
6.3.4 预测结果输出 140
6.3.5 模型调试优化 142
6.3.6 模型发布 142
拓展阅读 143
课后练习 143
项目7 大数据技术在工艺参数优化中的应用 144
【学习目标】 144
任务7.1 了解气化炉参数优化的目标及确定变量体系 145
任务7.2 气化炉参数的敏感性分析 146
7.2.1 数据采集与预处理 146
7.2.2 回归分析 159
任务7.3 气化炉参数优化 162
拓展阅读 163
课后练习 163
训练篇
项目8 大数据技术在精馏操作中的应用训练 168
【学习目标】 168
任务8.1 数据采集与预处理 169
8.1.1 数据采集 169
8.1.2 预处理方法 171
8.1.3 异常数据挖掘与清洗 174
任务8.2 精馏控制优化 176
任务8.3 异常工况诊断与预测 181
8.3.1 冷凝水中断数据采集与数据分析 181
8.3.2 回流泵故障数据采集与数据分析 183
8.3.3 回流控制阀FV104阀卡数据采集与数据分析 185
任务8.4 数据可视化 187
拓展阅读 188
课后练习 189
项目9 大数据技术在压缩机的运行维护中的应用训练 193
【学习目标】 193
任务9.1 数据采集 194
任务9.2 数据处理 195
9.2.1 数据缺失值处理 195
9.2.2 数据异常值处理 197
任务9.3 属性相关性分析 198
任务9.4 结果描述 198
任务9.5 合理化建议 199
拓展阅读 199
课后练习 199
项目10 大数据技术在换热器的运行维护中的应用训练 201
【学习目标】 201
任务10.1 数据采集 202
任务10.2 数据处理 203
10.2.1 数据缺失值处理 203
10.2.2 数据异常值处理 204
任务10.3 属性相关性分析 205
任务10.4 结果描述 205
任务10.5 合理化建议 206
拓展阅读 206
课后练习 206
项目11 大数据技术在2-巯基苯并噻唑生产工艺控制中的应用训练 208
【学习目标】 208
任务11.1 数据采集 209
任务11.2 数据处理 210
11.2.1 数据缺失值处理 210
11.2.2 数据异常值处理 211
任务11.3 属性相关性分析 212
任务11.4 结果描述 212
任务11.5 合理化建议 213
拓展阅读 213
课后练习 213
参考文献 215
|
| 內容試閱：
|
随着科技的不断进步，物联网技术和互联网技术的应用得到快速发展与推进，进而产生了海量的数据，这些数据蕴含着丰富的内涵和很多规律性信息，若能有效地组织和使用大数据对社会发展具有积极的推动作用。
工业信息化的发展使得工业互联网不断演化和升级，工业大数据呈现快速增长态势，从生产活动的角度来看，工业大数据已经成为工业生产的资源要素，若能有效挖掘工业大数据中的信息和规律，可对工业生产的管理和控制带来一定提升。
大数据技术的快速发展对各个领域都产生了重要影响，其在石油和化工行业中的应用也越来越广泛。本书依据高等职业教育本科的人才培养目标，参照石化行业大数据发展的要求设计内容，旨在培养复合型高层次技术技能人才。
全书以理论与实践相结合的方式介绍了大数据技术的基础知识、发展历程以及大数据技术在化工行业中的应用实例等，既有理论，又有应用实例，还有大量的训练案例，多管齐下，可激发学生的学习积极性和自主探索的创造性。全书采用项目任务式的编排方式，各项目均来源于最新的企业实践应用项目，项目下设若干个任务，课后配有相应的思考题。
本书编写团队由专业教师和行业企业专家共同组成。常州工程职业技术学院朱宝生、陈群和国家知识产权局专利局专利审查协作北京中心魏巧莲担任主编。河南应用技术职业学院张帆，河北化工医药职业技术学院郝丽霞，常州工程职业技术学院林静、蒋婷以及南京南数数据运筹科学研究院孟娇参与编写。蓝卓数字科技有限公司庞古山、李佳鹤和常州工程职业技术学院刘长春参与了项目数据的采集以及资料的收集整理等工作。具体编写分工为：项目1由朱宝生、林静编写；项目2由陈群编写；项目3由朱宝生、郝丽霞、魏巧莲、孟娇、林静编写，由企业专家提供了案例数据；项目4由陈群、朱宝生、蒋婷、林静、孟娇编写；项目5由孟娇、朱宝生、陈群、张帆、林静编写；项目6由郝丽霞编写，由企业专家提供了案例数据；项目7由张帆、蒋婷编写；项目8由陈群、朱宝生、魏巧莲编写；项目9由张帆、林静编写；项目10由陈群、林静编写；项目11由陈群、蒋婷编写。全书由朱宝生、陈群统稿，由浙江大学金晓明教授主审。
在编写过程中还得到了兰州石化职业技术大学王兴刚老师以及其他一些兄弟院校同仁的帮助和支持，在此一并表示感谢！
受编者的水平和实践经验所限，书中不足之处在所难免，敬请广大读者批评指正！
编者
2025年8月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
