异常数据的诊断、处理及化工应用

异常数据的诊断、处理及化工应用

摘 要：在化工数据测试中，数据质量的保证有着很大的意义，对于异常数据需要准确诊断和处理。本文列举了目前常见的几种化工异常数据诊断和处理的方法，分析了它们的基本原理和算法步骤，并归结了各自的优缺点。而后，以飞机的剩余油量观测数据为例，探讨基于统计的方法如何来处理该类问题。首先用一般的多元回归方法来处理数据，发现这样处理出来的数据线性相关系数很小，于是，做了一些改进，采用逐步回归分析方法。逐步回归分析可以将数据中离群显著的值去掉，然后再对剩余的值做回归处理；发现这样处理的数据线性相关明显改善。但因这些都是基于预先设定数据本身就具有线性的基础上得出的结论，于是本文再次对数据处理方法做进一步改进，引入了多项式回归方法来处理。这样处理的出来的数据明显有很好的线性相关，效果也比较好。

关键词：异常数据；延迟焦化；线性回归分析；多元逐步回归；多项式回归

目  录

中文摘要 I

英文摘要 II

目录 III

1. 绪论 1

1.1  化工测试中数据质量保证的意义 1

1.2  异常数据的来源 2

1.3  异常数据的特征分析 2

1.4  目前常用诊断和处理异常数据方法 3

1.4.1  物理判别法 3

1.4.2  基于统计的方法 3

1.4.3  基于距离的方法 4

1.4.4  基于偏差的方法 6

1.4.5  基于密度的方法 6

1.4.6  各种方法优缺点小结 6

2. 实验部分 8

2.1  多元线性回归分析 10

2.1.1  多元线性回归模型 10

2.1.2  多元线性回归模型的检验 10

2.1.3  实例应用 11

2.2  多元逐步回归分析 13

2.2.1  原理介绍 13

2.2.2  多元逐步回归分析的步骤 13

2.2.3  实例应用 14

2.3  多元逐步回归分析 16

2.3.1  多项式回归模型介绍 16

2.3.2  Matlab 程序实现 17

3. 结果与讨论 20

3.1   多元线性回归方法的结果分析 20

3.2  多元逐步回归分析的结果分析 22

3.3  三种方法结合起来的优势 25

4．总结与展望 38

致谢 30

参考文献 31