面向數(shù)據驅動建模的數(shù)據預處理方法研究.pdf

1、由于生產工藝、技術及設備的日趨復雜化，經典控制理論中依據物理化學機理建立精確數(shù)學模型對生產過程進行控制的傳統(tǒng)方法已變得越來越困難。在此背景下，數(shù)據驅動思想得到快速發(fā)展，然而采集于生產過程中的監(jiān)測數(shù)據往往存在含有缺失值、異常值等數(shù)據質量問題，如果直接利用這些未經處理的數(shù)據進行數(shù)據驅動作預測或決策，所建模型的準確性會受到極大影響，甚至產生錯誤的分析結果。因此，在數(shù)據驅動建模前必須對數(shù)據進行預處理。
　　本文首先對數(shù)據驅動以及數(shù)據預處理

2、的發(fā)展進行了回顧和總結，介紹了數(shù)據驅動建模的相關理論知識，對數(shù)據預處理的基本任務和相應的主要方法作了詳細闡述。
　　然后，本文對缺失值填補問題進行了重點研究。在總結分析現(xiàn)有主要填補方法的基礎上，針對工業(yè)過程監(jiān)測數(shù)據的實際特點，提出了一種基于遺傳優(yōu)化的自適應填補算法，并成功運用于電站鍋爐監(jiān)測數(shù)據的缺失值填補，對于不同工況下產生的缺失值以及在缺失率較高的情況下，該算法都具有較為理想的準確率與穩(wěn)定性。
　　之后，著重研究了異常值檢

3、測問題。在比較學習異常值檢測主要算法優(yōu)缺點的基礎上，給出一種基于全局距離和的異常值檢測算法，不僅消除了經典的基于距離的異常值檢測算法對參數(shù)設置的敏感性，而且降低了數(shù)據分布不均對檢測算法的影響，同時量化了異常值的異常程度。在電站鍋爐監(jiān)測數(shù)據上仿真分析，結果表明該算法具有較高查全率和較低誤報率。
　　最后，分別利用未經預處理和經本文所提算法預處理的數(shù)據建立基于最小二乘支持向量機的電站鍋爐煙氣含氧量軟測量模型，通過對比所建模型的準確度，