近年来,复杂化工工业得到了迅速的发展,化工生产装置对实现节能减排和低碳经济的目标有着直接的影响。然而,随着化工生产装置的迅速增加,产能利用率有所降低。同时,复杂化工生产数据因具有动态、噪声以及不确定性等特点,导致在生产过程中很难直接预测原材料消耗以及测量生产过程中的产品质量,因此不断优化提升化工生产装置的能效水平具有重要的研究意义和实际应用意义。为此,本文选取了精对苯二甲酸(PTA)溶剂系统和乙烯生产装置进行建模分析与优化。本文的主要研究内容:1、针对化工过程的复杂性使得收集到的数据会存在异常的问题,本文提出了一种结合密度聚类的3Sigma异常检测方法用于降低原始3Sigma检测方法的误识别率,通过PTA和乙烯的数据验证了该方法的有效性。2、针对化工过程具有动态、实时的特点,难以对内部生产过程中的一些变量进行准确预测。本文提出了一种结合改进的注意力机制与逻辑回归的长短期记忆网络(AttLR-LSTM)的方法能够有效提取并利用化工数据的时序性特征,获取化工生产数据在不同时间点的依赖关系,从而得到更加准确的预测结果。最终通过标准UCI数据集验证所提方法的有效性。3、将本文所提方法对PTA溶剂系统和乙烯生产装置进行建模分析,并对不同的对比模型所产生的结果进行比较分析,从而验证所提方法的有效性,实用性和优越性。最终根据本文所提方法对PTA和乙烯的生产过程进行优化,为工业生产提供操作指导意见,从而实现提高产能和降低能耗的目标。