16、智能数值计算与流程分析：从推理到优化

智能数值计算与流程分析：从推理到优化

在科学和工程计算领域，传统数值算法往往只是按预定步骤执行计算并得出结果，忽略了对计算过程和结果的反思。而智能数值计算则试图改变这一现状，将推理融入计算过程，从而提高算法效率。本文将围绕智能数值计算展开，以流车间调度问题为例，详细介绍相关概念、方法及应用。

1. 时间推理与特征提取

时间推理在过程分析中具有重要作用，特别是在提取过程变量的时间特征方面。通过小波分解测量数据，可以自然地提取出表征操作过程变量及其趋势的时间特征。这些特征在频率和时间上具有局部性，能为理解过程运行情况提供有价值的见解，进而支持数据压缩、过程故障诊断和质量控制等工程方法。

在处理过程数据时，通常采用两阶段方法来进行推理：
- 阶段1：生成广义描述并提取每个变量的区分特征
- 生成广义趋势的过程之前已有描述，广义趋势的特征由任意所需详细程度的三角事件给出，包括定性、半定量和实值分析等。
- 阶段2：学习提取特征与输出类之间的映射
- 通过对可用记录的描述进行泛化，提取出每个输入变量的区分特征后，这些特征将作为归纳学习过程的输入，通过决策树进行学习。

以分批发酵过程为例，应用上述方法处理41组批次记录和24个测量变量。决策树发现只有少数变量是相关的，并得出了用于指导发酵罐诊断或控制的规则，例如：
- 诊断规则1 ：如果高底部溶解氧（BDO）阶段的持续时间 > 3.6小时，且生产阶段的CO₂生成水平 > 4.3单位，则发酵质量为优。
- 控制规则1