基于工业实时数采数据缺失值填充的研究及实现
工业大数据在生产实际数采的过程中,存在的实时数据频繁闪断、数据异常跳变等风险,严重影响现有设备的控制效能及信息系统的分析结果,传统意义上采取增加传感器进行多级验证的方法存在信道干扰噪声加大带来的数据缺失值无法有效满足的问题.文章将目前针对此类的最有效的多元回归分析智能诊断建模、SVM智能诊断建模进行了分析,发现其对应的R2、MSE、RMSE均无法解决现有存在的问题,通过新建一套基于ISODATA的预测算法,经实时预测结果,其对应的R2、MSE、RMSE均能满足实时数采数据填充的要求,并将预测的值作为工业实时数采数据缺失值的填充.经训练迭代200次后,MSE为0.013、RMSE为0.008.经实践可知,本算法可以实现工业实时数采数据缺失值的填充.
实时数采、缺失值、均方根误差
18
TP311(计算技术、计算机技术)
红云红河烟草集团有限责任公司《工业过程数据基础管理体系的研究和构建》科技项目HYHH2019XX02
2023-01-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
55-57,60