摘 要
摘要
现代流程工业过程系统具有生产过程流程化、生产规模扩大化、生产装置大型化、生产控制
自动化、各部分组件关系密切化等的工业特点，且流程工业过程采样数据具有非线性、自回归的
特点，使得流程工业系统的异常检测和故障诊断问题变得更加突出,而且一旦发生故障，将造成
严重的财产损失和人员伤亡，严重阻碍工业化进程和经济的发展。为降低流程工业故障发生的风
险，有效避免人员及财产的损失，流程工业过程故障预测技术应运而生，目前基于时间序列数据
的预测的方法有传统的统计分析方法、循环神经网络（RNN）为代表的深度学习
LSTM的工业过程监测方法应用研究-5932字.pdf