CN114970353B 基于缺失数据填充的mswi过程二噁英排放软测量方法 （北京工业大学）

Applications.2021,第33卷第1-页.基于缺失数据填充的MSWI过程二噁英排放本发明提供了一种基于缺失数据填充的时间维度和特征维度缺失3种类型；缺失数据填多模型集成的方法，对特征维度缺失数据的填模：建立基于填充数据集的DFR-clfc模型得到DXN排放浓度预测值。本发明采用专家经验和约简特征多模型集成的填充方法进行MSWI过程缺2S2，缺失数据填充：先基于专家经验规则，对随机S201，先基于专家经验规则，对随机分布和时间其中，为含有M-M′个特征的不含缺失值的数据，(M′M)为待填充数据；得填充值其包含基于互信息MI约简特征、基于多子模型预测填充值和基于BLR集成X"由预测输出以及待填充特征组成；2.根据权利要求1所述的基于缺失数据填充的MSWI过程二噁英排放软测量方法，其特3数据缺失的随机发生与自身特征、其他特征的取值以及时间无关，NaN,…,Na,I'(3)3.根据权利要求1所述的基于缺失数据填充的MSWI过程二噁英排放软测量方法，其特S302，通过kNN方法重新选择kkNN个的近邻值形成输入层中第i个子森林模型的回归向量重复I次通过kNN方法重新选择kkNN个的近邻值形成输入层中第i个子森林模型的回归向量后得到输入层森林模型的层回归向量相应地，中间层4基于Dfill,L构建包含J个DT的I个子森林模型其中，第i个子森林模型的预测值向量为为第L层中第i个子森林模型的J个DT得到的预测值，第i个子森5[0001]本发明涉及二噁英排放软测量技术领域，特别是涉及一种基于缺失数据填充的[0002]城市固废焚烧(MunicipalSolidWasteIncineration，MSWI)相对于传统的填[0004]本发明的目的是提供一种基于缺失数据填充的MSWI过程6(M′M)为待填充数据；成填充值3部分，以对缺失特征的填充为例，首先xw经约简特征得到待填充特征的相关性集合处理后得到的数据集如下：7[0038]其中，为输入层森林模型的增强回归向量，fFeaCom(·)为组合函数，-1)为特征数量；8预测值向量为为第L层中第i个子森林模型的J个DT得到的预测值，第i[0055](1)将MSWI过程的缺失数据进行分类后先基于专家经验对随机分布和时间维度缺[0056](2)采用学习模型进行特征维度缺失值填充时，考虑到其输入变量间的冗余性和[0059]图1是本发明实施例基于缺失数据填充的MSWI过程二噁英排放软测量方法流程9[0066]本发明的目的是提供一种基于缺失数据填充的MSWI过程据；[0074]在面向DXN软测量的本文研究中，MSWI过程数据是以小时为采样时间进行统计记(M′M)为待填充数据。成填充值3部分，以对缺失特征的填充为例，首先xiw经约简特征得到待填充特征的相关性集合处理后得到的数据集如下：X"由预测输出以及待填充特征组成。[0105]本发明的准则是根据前后两年均值rs变化所呈现的趋势选择建模数据，具体步[0121]RF采用重抽样方法产生训练子集构建基于决策树(DecisionTree，DT)的并行集切分点取值(M".,M"),优化描述如下：通过损失函数的负梯度拟合前一轮基学习器()[0185]其中，为输入层森林模型的增强回归向量，fFeaCom(·)为组合函数，-1)为特征数量；预测值向量为为第L层中第i个子森林模型的J个DT得到的预测值，第i[0203]本次实验以构建DXN软测量模型为目标，主要面向北京某MSWI电厂2#号炉的过程[0212]以填充NID系统入口烟气氧气浓度值和主蒸汽流量值为例，分别展示基于专家经[0217]2014和2015年采集的数据存在NID系统入口烟气氧气浓度值缺失的情况，需选择[0220]从图5可知，2013年、2016年和2017的主蒸汽流量集中范围相似，均为[75.65-[0221]根据前文所述选取与NID系统入口烟气氧气浓度和主蒸汽流量具有高相关性的特[0224]将MI值大于阈值0.75的特征作为主蒸汽[0228]按照前文所述方法进行子模型的填充值预测。表3和表4分别记录了NID系统入口展示了建模实验结果，结果显示基于填充MSWI过程数据建立模型可对DXN浓度进行有效预[0240]由上述结果可知，基于本发明方法填充的数据建模结果在验证集和测试集上的家经验规则对前2种类型进行填充后，面向特征维度缺失数据构建基于约简特征多模型集升决策树(GradientBoostingDecisionTree，GBDT)和反向传播神经网络(Back后的MSWI数据建立基于跨层全连接深度森林回归(Deepforestregres