控制与决策

作者：鲁树武,伍小龙,郑江,何政,顾剑,韩红桂

单位：北京工业大学 信息学部,北京 100124;计算智能与智能系统北京市重点实验室,北京 100124,,北京工业大学 信息学部,北京 100124;计算智能与智能系统北京市重点实验室,北京 100124,,北京城市排水集团有限责任公司,北京 100124,,北京城市排水集团有限责任公司,北京 100124,,北京北排水环境发展有限公司,北京 100122,,北京工业大学 信息学部,北京 100124;计算智能与智能系统北京市重点实验室,北京 100124,

关键词：污水处理过程;数据清洗;动态融合LOF;径向基函数神经网络

基金：国家自然科学基金重大项目(61890930-5,61622301)；国家重点研发计划项目(2018YFC1900800-5)；国家自然科学基金创新群体项目(62021003)；北京高校卓越青年科学家项目(BJJWZYJH01201910005020).

围绕城市污水处理过程数据存在连续噪声和缺失的问题,提出一种基于动态融合局部异常因子(dynamic fusion local outlier factor,DFLOF)的污水处理过程数据清洗方法.首先,设计一种基于滑动窗口的数据动态分段方法,通过计算每个子段数据的均值、最大值和峰值区间信息获得数据异常属性值;其次,建立一种基于DFLOF的数据可信度评价模型,利用基于动态融合局部异常因子算法评估数据的可信度,保证异常数据检测和剔除的准确率;最后,提出一种基于径向基函数(radial basis function,RBF)神经网络的数据补偿方法对缺失数据进行补偿,实现污水处理过程数据的清洗.将该数据清洗方法应用于实际污水处理过程,实验结果表明:基于动态融合局部异常因子的数据清洗方法能够实现污水处理过程中异常数据的清洗,从而提高数据质量.

来源：2022年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第5期