“化工+人工智能”课程应用 | AI+工程实践创新平台助力北京化工大学课程改革

化工是我国支柱性产业，化工行业以实时且连续的时序数据为主要数据载体，在人工智能时代，如何通过人工智能赋能化工特有的时序数据，构建起化工的专用智能模型，解决异常检测、故障识别、优化控制、参数预测、软测量等实际工程问题，已然成为行业未来发展趋势。这一过程中，化工行业对于既懂专业知识又掌握人工智能技术的复合型人才的需求愈发迫切。

当前，由于工程对象和工程问题的匮乏，实践案例多集中在鸢尾花识别、波士顿房价预测等通用人工智能问题，导致多数化工与人工智能难以做到真正深度融合，且化工行业的时序数据获取存在诸多阻碍，难以直接用于智能模型研发。

（1）数据监测不完备：由于工业装置运行成本的限制，导致实际传感器安装点位有限，数据采集不完整，导致数据稀缺，尤其是工业环境需要平稳生产，故障发生的概率较低，对故障数据的收集和记录非常有限，

（2）测试数据难获取：再真实环境下，难以获取目标测试工况的数据，模型效果直接进行真实装置测试可能面临安全风险，工业数据通常包含敏感信息，数据保密性强，企业不愿提供数据，尤其是将数据提供给外界。

基于这一需求，北京化工大学李教授与东方仿真携手合作共建AI+工程实践创新平台，聚焦于“化工+人工智能”领域的人才培养与课程体系建设，依托北京化工大学的学科优势和东方仿真过程系统仿真技术的优势，结合人工智能在化工领域的广泛应用实例，共同探索教学改革新范式。

平台涵盖广泛化工工程对象及复杂工程问题的实践案例，并配套提供相应的数据集，用于智能算法的研发与性能评估。此举有效缓解了当前“AI+化工”课程实践资源稀缺的难题，使学生能够在真实或模拟的化工场景中，利用人工智能技术解决实际问题，从而提升学生利用AI解决工程问题的能力。