13、时间推理：过程趋势的建模、分析与模式识别

时间推理：过程趋势的建模、分析与模式识别

在当今的工程领域，对变量随时间变化的行为进行有效推理至关重要。简单记录变量的数值，无论是对人类还是计算机，在认知层面的作用都有限。例如，计算机虽然能进行大量数值计算，但难以对变量的时间行为形成有效的“心理”模型；人类面对大量变量的时间行为图形时，推理能力也会受到严峻挑战。因此，为提高计算机在时间维度上的推理能力，建立新的时间行为表示形式迫在眉睫。

1. 引言

如今，化工工厂的计算机辅助监控和控制使得大量过程信息得以呈现给操作人员和工程师。在正常稳态运行时，操作人员通过简单观察显示的趋势就能确认过程状态；但当过程处于瞬态或出现危机时，即使是经验丰富的操作人员也会被显示的趋势和警报所困扰。操作人员在这种情况下执行常规任务会面临诸多困难，比如：
- 区分正常和异常操作条件。
- 识别过程趋势的原因，如外部负载干扰、设备故障、操作退化或操作人员失误。
- 评估当前过程趋势并预测未来运行状态。
- 规划和安排操作步骤，使工厂达到理想的运行水平。

要解决这些问题，关键在于形成一个符合当前过程事实的“心理”模型，以帮助操作人员正确评估过程行为并预测控制行动的效果。为开发具有系统且合理方法的智能计算机辅助系统，自动创建过程操作的“心理”模型，需要解决两个相互关联的问题：
1. 确定描述“真实”过程趋势的合适表示模型，并从过程数据中生成该模型。
2. 生成过程趋势之间的关系，以提供所需的过程操作“心理”模型。

1.1 过程趋势的内容：时间局部性和多尺度性

化工过程中测量变量的时间依赖行为反映了多种因素的综合影响，包括基础物理化学现象、处理设备、传感器和控