Abstract: In this paper, a novel data mining method is introduced to solve the multi-objective optimization problems of process industry. A hyperrectangle association rule mining （HARM） algorithm based on support vector machines （SVMs） is proposed. Hyperrectangles rules are constructed on the base of protot types and support vectors （SVs） under some heuristic limitations. The proposed algorithm is applied to a simulated moving bed （SMB） paraxylene （PX） adsorption process. The relationships between the key process variables and some objective variables such as purity, recovery rate of PX are obtainedd. Using existing domain knowledge about PX adsorption process, most of the obtained association rules can be explained.

Key words: multi-object optimization, simulated moving bed, support vector machines, rule extraction, clustering

摘要： In this paper, a novel data mining method is introduced to solve the multi-objective optimization problems of process industry. A hyperrectangle association rule mining （HARM） algorithm based on support vector machines （SVMs） is proposed. Hyperrectangles rules are constructed on the base of protot types and support vectors （SVs） under some heuristic limitations. The proposed algorithm is applied to a simulated moving bed （SMB） paraxylene （PX） adsorption process. The relationships between the key process variables and some objective variables such as purity, recovery rate of PX are obtainedd. Using existing domain knowledge about PX adsorption process, most of the obtained association rules can be explained.

关键词: 支持向量;关联规则挖掘;模拟移动床;PX吸附分离;对二甲苯