基于統(tǒng)計方法的異常數據檢測及其修復.pdf

1、隨著工業(yè)過程的復雜化，工業(yè)企業(yè)需求的增加以及控制理論和計算機技術的發(fā)展，軟測量技術作為一種成本低廉，效果明顯的方法，已成為現(xiàn)代工業(yè)控制領域的研究熱點之一。而軟測量的建模精度受到建模數據的影響，軟測量模型的輸入數據都來自工業(yè)現(xiàn)場。可是,工業(yè)生產過程中有很多影響因子,如噪聲,傳感器故障或者工作人員疏忽等都會使得所采集的某些數據出現(xiàn)異常,所以對建模數據的檢測和修復就變得十分重要。
　　論文主要從以下幾個方面進行了研究。針對單個變量的數據

2、（一維數據），采用小波變換的方法進行檢測，通過伸縮和平移等運算功能對數據細致化的分析，因為小波變換的時頻特性，能準確定位異常數據點位置；對于高維數據，采用主元分析法對數據進行處理，分別建立T2統(tǒng)計圖和Q統(tǒng)計圖。然后根據每個變量對T2統(tǒng)計圖的貢獻，對Q統(tǒng)計圖進行更為細致的劃分，選取其中和T2統(tǒng)計圖顯著相關的變量所構成的統(tǒng)計圖聯(lián)合檢測，使得檢查幅值較小的粗大誤差能力加強。針對以前工業(yè)數據填補修復的一些缺點，本論文把深度學習方法運用到異常數據