流程工业生产过程中存在着很多不确定因素,例如石化工业中炼厂全流程生产过程的产品需求量、钢铁工业中铁水温度变化等。研究随机建模方法及其在流程工业生产不确定性问题中的应用,可以帮助企业适应生产环境的动态变化、提高生产利润和保证稳定生产作业。本文主要围绕基于数据解析的MINLP随机建模方法展开研究,应用到石化工业中炼厂全流程生产调度问题和钢铁工业中铁水温度预测数据质量诊断问题。运用基于数据解析的MINLP随机建模方法,生成场景树描述流程工业生产过程中的不确定因素;考虑炼厂全流程生产过程中的不确定因素和热直供过程,建立基于数据解析的炼厂全流程生产调度问题的MINLP模型,并设计基于Fix-Relax的改进OA算法求解;分析铁水温度预测中的数据质量诊断问题特征,结合场景树和支持向量机,设计基于数据解析的数据质量诊断方法,并开发铁水温度预测中的数据质量诊断系统。具体内容如下:1)运用基于数据解析的MINLP随机建模方法,生成场景树描述流程工业生产过程中的不确定因素,以产品需求量的不确定性为例进行数值实验,实验表明基于数据解析的MINLP随机建模方法在生成场景树质量和求解效率方面具有优势。2)考虑炼厂全流程生产过程中的不确定因素和热直供过程,建立基于数据解析的炼厂全流程生产调度问题的MINLP模型,并设计基于Fix-Relax的改进OA算法,以产品需求量的不确定性为例进行数值实验,实验表明考虑热直供过程能够提高物料的热直供比例,基于Fix-Relax的改进OA算法在迭代次数和求解时间方面优于OA算法。3)分析铁水温度预测中的数据质量诊断问题特征,结合场景树和支持向量机,设计基于数据解析的数据质量诊断方法,针对钢铁企业实际铁水温度预测数据进行数值实验,实验表明该方法能够提升诊断正确率。4)设计与开发铁水温度预测中的数据质量诊断系统,嵌入基于数据解析的数据质量诊断方法进行数据质量诊断。系统实现了铁水的数据管理、数据质量诊断、铁水温度预测、数据结果诊断功能,能够帮助企业更精确地管理钢铁生产过程。