[发明专利]一种调相机油温预测系统的数据噪声处理方法及处理系统

权利要求书

1.一种调相机油温预测系统的数据噪声处理方法，其特征在于，所述数据噪声处理方法包括以下步骤：

步骤1：采集调相机油温历史数据；

步骤2：对步骤1所采集的调相机油温历史数据，分成样本数据和预测数据，其中对作为样本数据的数据毛刺点进行标注，通过样本数据训练支持向量机；

步骤3：基于步骤2训练后的支持向量机，对调相机油温历史数据中的预测数据进行总体判别，判断调相机某日油温历史数据是否存在毛刺点；

步骤4：对于步骤3所判断出的存在毛刺点的某日油温历史数据，利用插值法计算每一采样点时刻的油温插值；

步骤5：计算步骤4所得到的每一采样点时刻的油温插值与该采样点时刻的温度历史数据的差的绝对值，然后与毛刺点判别阈值进行比对，当大于毛刺点判别阈值，则认为该采样点时刻的温度历史数据为毛刺点，然后进入步骤6，否则认为该采样点时刻的温度历史数据为正常数据；

步骤6：对步骤5所判断出的处于毛刺点位置的调相机油温历史数据毛刺点进行插值并平滑处理，然后基于平滑处理后的调相机油温历史数据进行油温预测。

2.根据权利要求1所述的调相机油温预测系统的数据噪声处理方法，其特征在于：在步骤1中，调相机油温每小时采集一次，每天采集24次油温数据。

3.根据权利要求1所述的调相机油温预测系统的数据噪声处理方法，其特征在于：

在步骤2中，将样本数据中每小时对应的油温变化率作为支持向量机的输入变量X，则X可以表示成：

式中，T_ij表示第i天第j时刻的实际油温值；

假设则支持向量机的输入变量X可以简化成：

X＝[x_i1,x_i2,…x_ij,…x_i23,x_i24]

式中，x_ij表示第i天第j时刻的油温变化率；

则对应的油温日变化率可以表示成f(X)：

f(X)＝x_i1b₁+x_i2b₂+…x_ijb_j+…x_i23b₂₃+x_i24b₂₄+b₂₅

b₁、b₂……b₂₅为中间变量，通过训练确定，支持向量机的输出变量为Y，其取值为-1和1，当f(X)的值为0时，Y＝1；当f(X)的值不等于0时，Y＝-1；

利用输入变量X和输出变量Y训练支持向量机，其中核函数K＝1，损失函数为平方损失函数。

4.根据权利要求3所述的调相机油温预测系统的数据噪声处理方法，其特征在于：

在步骤3中，借助步骤2训练好的支持向量机对调相机油温历史数据中的预测数据进行分类判别，当输出为1时，表示调相机某日油温数据不存在毛刺点，当输出为-1时，表示调相机某日油温数据存在毛刺点。

5.根据权利要求1所述的调相机油温预测系统的数据噪声处理方法，其特征在于：在步骤4中，按照以下公式计算第i天第j时刻的油温插值：

式中，T_1ij表示第i天第j时刻的油温插值，T_i(j-p)为第i天第j-p时刻的油温历史数据，T_i(j+q)为第i天第j+q时刻的油温历史数据，△P_(j+q)(j-p)表示第j+q时刻相对第j-p时刻的油温平均变化率，w₁₁和w₁₂表示插值模型的第一加权系数和第二加权系数，其中，j-p、j+q均为0-23以内的整数，p表示j时刻前有p-1个毛刺点，q表示j时刻后有q-1个毛刺点。