学習分類子システムを用いたプロセス時系列からのデータマイニング

• Item type: SIG Technical Reports(1)
• 公開日: 2002-05-23
• タイトル: 学習分類子システムを用いたプロセス時系列からのデータマイニング
• タイトル / 言語: en
• タイトル: Data Mining from Plant Process Time Series by a Learning Classifier System
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京電気産業株式会社
• 著者所属: 筑波大学経営システム科学専攻
• 著者所属(英): en
• 著者所属(英): Tokyo Denki Sangyo Co.,Ltd.
• 著者所属(英): en
• 著者所属(英): Graduate School of Business Sciences,University of Tsukuba
• 著者名: 倉橋, 節也; 寺野, 隆雄
• 著者名(英): Setsuya, Kurahashi; Takao, Terano
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究は，連続プラントを対象とした大量の時系列データから，プロセス応答モデルを構築する。また，現在の創業データからの将来データの予測するプロセス予測モデルと，運転員に対するプラントの操作ガイダンスを行うプロセス制御ルールの発見的探索手法を提案する。そして，実際のバイオプラントの操業データに適用した結果を報告する。モデルの基本的な考え方は，時系列データ間の相互関係数最大化、ニューラルネット時系列予測、ＭＤＬ基準と改善率にもとづくアソシエーションルールの分類子学習である。本解析手法を用いて、バイオプラントにおける実プロセスデータを解析し、プロセス応答モデルの予測性能の有効性、およびC4.5による決定木分析との比較からMDL規準と改善率に基づく分類子学習の有効性を実証する。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Continuation processes in chemical and/or biotechnical plants always generate a large amount of time series data. However, since conventional process models are described as a set of control models, it is difficult to explain the complicated and active plant behaviors. Based on the background, this research proposes a novel method to develop a process response model from continuous time-series data. The method consists of the following phases:1) Collect continuous process data at each tag point in a target plant; 2) Normalize the data in the interval between zero and one; 3) Get the delay time, which maximizes the correlation between given two time series data; 4) Select tags with the higher correlation; 5) Develop a process response model to describe the relations among the process data using the delay time and the correlation values; 6) Develop a process prediction model via several tag points data using a neural network; 7) Discover control rules from the process prediction model using Learning Classifier system. The main contribution of the research is to establish a method to mine a set of meaningful control rules from Learning Classifier System using the Minimal Description Length criteria.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11135936
• 書誌情報: 情報処理学会研究報告知能と複雑系（ICS）; 巻 2002, 号 45(2002-ICS-128), p. 1-6, 発行日 2002-05-23
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会