计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2013年
8期
147-150
,共4页
数据噪声%非参数回归%模糊C均值聚类
數據譟聲%非參數迴歸%模糊C均值聚類
수거조성%비삼수회귀%모호C균치취류
Data noise%Nonparametric regression%Fuzzy C-Means clustering
在热工过程建模中,所建模型精度与过程数据精度密切相关,当现场数据中存在坏值时,将严重降低过程模型精度.而且数据库中大量的冗余数据增加建模成本而不能提高模型精度.为此,应用拟合LOWESS曲线方法进行数据处理,剔除数据坏值,然后应用模糊聚类方法精简原始样本,减少冗余数据.试验结果证明了改进方法的有效性.
在熱工過程建模中,所建模型精度與過程數據精度密切相關,噹現場數據中存在壞值時,將嚴重降低過程模型精度.而且數據庫中大量的冗餘數據增加建模成本而不能提高模型精度.為此,應用擬閤LOWESS麯線方法進行數據處理,剔除數據壞值,然後應用模糊聚類方法精簡原始樣本,減少冗餘數據.試驗結果證明瞭改進方法的有效性.
재열공과정건모중,소건모형정도여과정수거정도밀절상관,당현장수거중존재배치시,장엄중강저과정모형정도.이차수거고중대량적용여수거증가건모성본이불능제고모형정도.위차,응용의합LOWESS곡선방법진행수거처리,척제수거배치,연후응용모호취류방법정간원시양본,감소용여수거.시험결과증명료개진방법적유효성.
