基于改進(jìn)DBSCAN的復(fù)雜工業(yè)過(guò)程建模數(shù)據(jù)異常點(diǎn)檢測(cè)研究.pdf

1、在國(guó)民經(jīng)濟(jì)和人民生活中，復(fù)雜工業(yè)過(guò)程所在的行業(yè)占有重要地位。復(fù)雜工業(yè)過(guò)程中的一些需要控制的過(guò)程變量，在現(xiàn)有技術(shù)條件下不易直接測(cè)量或者難以快速在線測(cè)量，只能通過(guò)控制其他可測(cè)變量，間接地保證質(zhì)量要求。軟測(cè)量技術(shù)很好地處理了這類問(wèn)題。工業(yè)軟測(cè)量是一種基于工業(yè)過(guò)程數(shù)據(jù)的建模技術(shù)，數(shù)據(jù)的有效性直接影響到模型的精度。然而，在復(fù)雜工業(yè)過(guò)程中，由于測(cè)量者在實(shí)際測(cè)量時(shí)讀取或者記錄數(shù)據(jù)的失誤，亦或因?yàn)闄z測(cè)的儀器受到了隨機(jī)干擾，這些都會(huì)使數(shù)據(jù)出現(xiàn)異常，稱這類

2、數(shù)據(jù)為異常點(diǎn)。判斷建模數(shù)據(jù)是否是異常點(diǎn)，并且將它剔除，對(duì)于復(fù)雜工業(yè)過(guò)程軟測(cè)量建模來(lái)說(shuō)是很重要的。
　　在此背景下，本文在深入研究了復(fù)雜工業(yè)過(guò)程建模數(shù)據(jù)特點(diǎn)的基礎(chǔ)上，提出了將聚類算法與軟測(cè)量建模相結(jié)合的新方法。針對(duì)復(fù)雜工業(yè)過(guò)程中因素法建模數(shù)據(jù)異常點(diǎn)檢測(cè)的特殊性，本文提出了一種與軟測(cè)量建模結(jié)合的基于K-means算法的改進(jìn)DBSCAN聚類方法。首先，該方法用K-means算法對(duì)DBSCAN算法改進(jìn)，彌補(bǔ)了傳統(tǒng)DBSCAN算法對(duì)非均勻密

3、度數(shù)據(jù)聚類效果不佳的缺陷。再次，該方法將異常點(diǎn)檢測(cè)與軟測(cè)量建模相結(jié)合，用建模誤差對(duì)異常點(diǎn)檢測(cè)過(guò)程進(jìn)行指導(dǎo)，這樣既保證了異常點(diǎn)檢測(cè)的質(zhì)量，同時(shí)建立了精確的軟測(cè)量模型。將該方法用于寶鋼集團(tuán)300噸LF爐鋼水溫度軟測(cè)量建模數(shù)據(jù)上，實(shí)驗(yàn)結(jié)果表明效果良好。
　　針對(duì)復(fù)雜工業(yè)過(guò)程中時(shí)間序列建模數(shù)據(jù)異常點(diǎn)檢測(cè)的特殊性，本文提出了一種異常點(diǎn)檢測(cè)的新方法。該方法首先把原數(shù)據(jù)集分段處理，隨后用DBSCAN算法對(duì)每段數(shù)據(jù)進(jìn)行異常點(diǎn)檢測(cè)，然后將剔除異常點(diǎn)