过程工业大数据建模研究展望

作     者：刘强 秦泗钊 LIU Qiang;QIN S.Joe

作者机构：东北大学流程工业综合自动化国家重点实验室 美国南加州大学化工系 香港中文大学(深圳) 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2016年第42卷第2期

页      面：161-171页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

基　　金：国家自然科学基金(61304107 61490704 61573022 61290323 61203102) 中国博士后科学基金(2013M541242) 博士后国际交流计划派出项目(20130020) 中央高校基本科研业务费(N130408002 N130108001)资助 

主　　题：过程工业大数据 多层面数据潜结构建模 多时空时间序列数据建模 大数据计算架构 

摘      要：人们对大数据的认识已从3Vs(Volume—大容量;Variety—多样性;Velocity—处理实时性)、4Vs(3Vs与Value—价值)、到现今的5Vs(4Vs与Veracity—真实性).在此背景下,首先分析过程工业大数据的5Vs特性;接下来,综述现有数据建模方法,并结合过程工业大数据特有性质(包括:多层面不规则采样性、多时空时间序列性、不真实数据混杂性)论述现有数据建模方法应用于工业大数据建模时的局限;最后,探讨过程工业大数据建模有待研究的问题,包括:1)多层面不规则采样数据的潜结构建模;2)用于事件发现、决策和因果分析的多时空时间序列数据建模;3)含有不真实数据的鲁棒建模;4)支持实时建模的大容量数据计算架构与方法.