随着计算机在铝电解生产行业中应用的推广,各厂在生产过程中均采用了计算机参与的监控系统实现对电解槽的自动化控制。监控系统自动采集各种槽况数据,并且在铝电解生产行业积累了大量的历史数据。然而现有的系统数据共享度、集成度低、且只能进行简单的数据录入、查询、统计等事务性的处理过程,却不能发现这些海量的数据中蕴含的对企业生产和管理具有重要的指导作用的规则和规律。决策者迫切需要从海量数据中提取有价值的信息和知识,以用于电解槽的管理,提高生产效益。针对铝电解槽槽况数据分析,本文主要工作和贡献包括如下几点:1.在数据预处理过程中,针对“空穴”数据,利用插值方法进行空穴填充,根据系统运行的惯性,参考空穴前后的数据进行分析,获得近似的预测结果作为空穴的值,为实现数据挖掘做好数据支持。2.针对铝电解控制系统产生的历史数据,提出一种基于灰关联度的加权连通分支聚类算法(Gry-CC-CTL),算法首先分析待考察的主属性和非主属性之间的关系,并将这种关系转化成属性之间的灰关联度,形成属性的权值,再将这些权值引入到连通分支聚类的距离量度之中。以实际生产中产生的数据为例进行了实验分析,结果表明算法有效。最后,设计并实现了一个简单的槽况聚类分析系统。3.在对铝电解产生的历史数据进行聚类分析的基础上,考虑历史数据对电解槽当前运行情况的影响,针对实时数据提出了一种基于ReliefF加权的k近邻距离识别分类算法对槽况进行动态分类。算法中为了体现各属性对分类的贡献程度,采用ReliefF方法计算各属性对分类的贡献值,并将贡献值转化为权重应用到该分类算法的距离计算之中,并通过设定阈值的方法来判断槽况的异常;实验结果表明,该算法对槽况数据分类的准确性与结果都有较好的表现。最后,设计并实现了一个简单的槽况分类识别系统。