[發(fā)明專(zhuān)利]一種基于局部特征異常因子的初餾塔采樣數(shù)據(jù)粗差判別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110440193.2
• 申請(qǐng)日: 2021-04-18
• 公開(kāi)（公告）號(hào): CN113205121B
• 公開(kāi)（公告）日: 2023-10-03
• 發(fā)明（設(shè)計(jì)）人: 邱思穎;陳楊;虞飛宇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 寧波大學(xué)科學(xué)技術(shù)學(xué)院
• 主分類(lèi)號(hào): G06V10/764
• 分類(lèi)號(hào): G06V10/764;G06V10/774
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于局部特征異常因子的初餾塔采樣數(shù)據(jù)粗差判別方法，其特征在于，具體包括以下所示步驟：

步驟(1)：確定初餾塔中影響初頂餾分干點(diǎn)的9個(gè)變量，具體包括：初餾塔進(jìn)料流量，進(jìn)料溫度，塔頂溫度，塔頂壓力，塔頂回流帶出能量，回流比、初頂石腦油流量，初頂循帶出能量，初中斷帶出能量；采集初餾塔這9個(gè)變量的N組樣本數(shù)據(jù)x₁，x₂，…，x_N，并將其組成為一個(gè)N×9維的數(shù)據(jù)矩陣X∈R^N×9；其中，R^N×9表示N×9維的實(shí)數(shù)矩陣，R表示實(shí)數(shù)集，x_i∈R^1×9表示第i組樣本數(shù)據(jù)，R^1×9表示1×9維的實(shí)數(shù)向量，i∈{1，2，…，N}；

步驟(2)：根據(jù)公式分別為數(shù)據(jù)矩陣X中的列向量z₁，z₂，…，z₉實(shí)施抗差標(biāo)準(zhǔn)化處理，得到抗差標(biāo)準(zhǔn)化處理后的數(shù)據(jù)矩陣其中，z_k和分別表示X和中第k列的列向量，k∈{1，2，…，9}表示變量的序號(hào)，μ(z_k)表示計(jì)算列向量z_k中所有元素的中位數(shù)，中位絕對(duì)差表示計(jì)算列向量中所有元素的中位數(shù)，|z_k-μ(z_k)|表示計(jì)算z_k-μ(z_k)的絕對(duì)值；

步驟(3)：按照如下所示步驟(3.1)至步驟(3.5)依次計(jì)算當(dāng)i分別等于1，2，…，N時(shí)的局部特征異常因子L₁，L₂，…，L_N；

步驟(3.1)：初始i＝1，并將中的第i行向量記為

步驟(3.2)：根據(jù)公式計(jì)算行向量與數(shù)據(jù)矩陣中第j行向量之間的平方距離，并將中與之間平方距離最小的C個(gè)行向量組成參考矩陣其中，j∈{1，2，…，N}且j≠i，上標(biāo)號(hào)T為矩陣或向量的轉(zhuǎn)置符號(hào)；

步驟(3.3)：求解廣義特征值問(wèn)題中最大特征值λ_i對(duì)應(yīng)的特征向量p_i后，再計(jì)算變換向量

步驟(3.4)：計(jì)算局部特征后，再根據(jù)公式L_i＝(s_i)²計(jì)算第i個(gè)局部特征異常因子L_i；

步驟(3.5)：判斷是否滿(mǎn)足i＜N；若是，則設(shè)置i＝i+1后返回步驟(3.2)；若否，則得到N個(gè)局部特征異常因子L₁，L₂，…，L_N；

步驟(4)：計(jì)算N個(gè)局部特征異常因子L₁，L₂，…，L_N的中位數(shù)μ(L)以及中位絕對(duì)差δ(L)后，再確定局部特征異常因子的變化上限L_lim＝μ(L)+3×δ(L)；其中，L＝[L₁，L₂，…，L_N]；

步驟(5)：根據(jù)如下所示步驟(5.1)至步驟(5.3)逐個(gè)判別初餾塔采樣數(shù)據(jù)中的粗差數(shù)據(jù)；

步驟(5.1)：初始化i＝1；

步驟(5.2)：判斷是否滿(mǎn)足條件L_i＞L_lim；若是，則將第i個(gè)樣本數(shù)據(jù)x_i判別為粗差數(shù)據(jù)；若否，則第i個(gè)樣本數(shù)據(jù)不是粗差數(shù)據(jù)；

步驟(5.3)：判斷是否滿(mǎn)足i＜N；若是，則設(shè)置i＝i+1后返回步驟(5.2)；若否，則結(jié)束初餾塔采樣數(shù)據(jù)的粗差判別。