[发明专利]高精度的高炉冶炼过程异常数据检测及修补方法

摘要

本发明提供了一种高精度的高炉冶炼过程异常数据检测及修补方法。该方法首先通过全局统计获取相关指标，进而发现可能出现问题的数据的时间点，然后在相关时间点上具体分析数据的斜率变化情况，最终通过局部与全局的两种统计与分析对比达到对异常数据的准确认识。本发明针对高炉数据采用自回归时间序列模型对问题数据进行修补，在模型参数估计上选用收敛速度较快的广义多新息最小二乘算法，给出了样本数据长度、多新息量及模型阶次的选择方法。该发明解决了常规检测方法在高炉过程数据异常值检测时存在的误检，以及均值插补法在对高炉炉温异常数据修补时存在的精度低的问题。本发明还可应用于其他过程数据测检测及修补。

主权项

一种高炉冶炼生产记录数据中异常值的检测及修补方法，其特征在于，所述方法包括以下两个步骤，1)通过对样本离线数据整体统计均值及方差，用常规检测方法发现可能出现问题数据的时间点，然后在具体时间点上局部分析数据的斜率变化，最终通过整体与局部两种统计与分析对比准确确定异常数据；该步骤具体为：针对高炉过程离线采集数据{y(1)，y(2)，…y(k)，…y(L)}的整体与局部统计分析相结合的异常值检测方法，其中k表征高炉出铁铁次，L表征采集数据的长度，具体为：首先，针对所采集的整体过程数据统计均值μ和方差σ2，并记录数据值在μ±3σ界外的铁次xi，xi为疑似出现异常值的时刻；然后在xi时刻作局部分析，分别计算|y(xi)‑y(xi‑1)|与|y(xi+1)‑y(xi)|的数值并记为局部差值，如果上述差值均大于3σ，并且y(xi+2)与y(xi‑2)均在μ±3σ界内，则铁次xi的记录数值y(xi)确定为异常值；如果上述差值一方大于3σ，但是|y(xi+2)‑y(xi+1)|与|y(xi+3)‑y(xi+2)|时刻的斜率发生渐变，则铁次xi的记录数值y(xi)仍为正常值，否则，铁次xi的记录数值y(xi)确定为异常值；记μ为样本均值：σ为样本偏差，3σ异常值检测的常规方法对于y(k)值不在μ±3σ区间内的即认为其为异常值，可找到其异常值位置并对其进行剔除；2)采用自回归时间序列模型对问题数据进行修补，并用广义多新息最小二乘方法训练模型参数。