健全的报警系统是保障流程工业生产安全的重要设施,而报警泛滥一直是影响报警系统性能的主要问题之一。基于传递熵的因果网络建模及根源分析方法具有良好的因果关系发现能力和根源推理能力,能够在发生报警泛滥之前为操作员提供关键的报警信息,从根源上解决报警泛滥对操作员的干扰,因而受到了学者们的广泛关注。论文在现有传递熵的基础上,针对确定参考变量的预报范围时存在的不足,提出了一种改进的可调参考范围传递熵(Adjustable Reference Horizon Transfer Entropy,ARHTE)。所提出的 ARHTE 能够优化参考变量的预报范围,提高传递熵算法发现因果关系的能力,通过对随机过程进行实验,验证了算法的有效性;然后结合简单过程知识,对ARHTE的建模结果进行优化,以剔除冗余和错误的因果关系,进而形成了以ARHTE为基础结合简单过程知识的综合因果网络建模方法;最后,在因果网络模型的基础上,根据目前的根源分析方法,定义了一种新的ARHTE指标作为报警根源的评判标准,并构建了一套基于ARHTE指标的根源分析方案。论文以田纳希-伊斯特曼(Tennessee Eastman,TE)过程为例,建立了 TE过程的因果网络模型,并对异常状态下的TE过程报警进行根源分析,准确的发现了报警的根源。通过与过程知识建模及传统的传递熵方法对比,实验结果验证了本文所提出方法的有效性。