基于自适应加权数据融合算法的数据处理

第２５卷第４期　２０１５年４月　

计算机技术与发展　

ＣＯＭＰＵＴＥＲ　ＴＥＣＨＮＯＬＯＧＹ　ＡＮＤ　ＤＥＶＥＬＯＰＭＥＮＴ　Ｖｏｌ＿２５　Ｎｏ．４　

Ａｐｒ．　２０１５　

基于自适应加权数据融合算法的数据处理　唐亚鹏　（西安科技大学电控学院，陕西西安７１００５４）　

摘要：为了对大量数据进行控制和管理，以反映真实的生产情况，文中提出了一种混合的数据处理方法。先用格罗贝斯　判据剔除测量数据中的疏失误差，然后基于算术平均值与分批估计的融合算法对余下的数据进行预处理，最后在总均方　误差最小的最优条件下，采用自适应加权融合算法对数据进行融合处理。把处理后的结果与其他算法进行比较，结果是　采用混合算法的数据精度最高，误差最小。得出结论，采用这种混合的数据处理方法，能把大量数据融合为一个最接近真　实情况的数据，反映了真实的生产过程。　关键词：数据处理；误差；数据融合；自适应　中图分类号：ＴＰ３９１　文献标识码：Ａ　文章编号：１６７３－６２９Ｘ（２０１５）０４—００５３－０４　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３—６２９Ｘ．２Ｏ１５．０４．０１３　

Ｄａｔａ　Ｐｒｏｃｅｓｓｉｎｇ　Ｂａｓｅｄ　ｏｎ　Ａｄａｐｔｉｖｅ　Ｗｅｉｇｈｔｅｄ　Ｄａｔａ　Ｆｕｓｉｏｎ　Ａｌｇｏｒｉｔｈｍ　ＴＡＮＧ　Ｙａ－ｐｅｎｇ　（Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　ａｎｄ　Ｃｏｎｔｒｏｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｌｌ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ　７　１００５４，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａ　ｈｙｂｒｉｄ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　ｍｅｔｈｏｄ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｉｎ　ｏｒｄｅｒ　ｔｏ　ｒｅｆｌｅｃｔ　ｔｈｅ　ｒｅａｌ　ｐｒｏｄｕｃｔｉｏｎ　ｓｉｔｕａｔｉｏｎ　ａｎｄ　ｌａｒｇｅ　ａｍｏｕｎｔｓ　ｏｆ　ｄａｔａ　ｎｅｅｄｅｄ　ｔ０　ｂｅ　ｃｏｎｔｒｏｌｌｅｄ　ａｎｄ　ｍａｎａｇｅｄ．Ｔｈｅ　ｎｅｇｌｉｇｅｎｔ　ｅｒｒｏｒｓ　ｉｎ　ｔｈｅ　ｍｅａｓｕｒｅｍｅｎｔ　ｄａｔａ　ｗｅｒｅ　ｅｘｃｌｕｄｅｄ　ｂｙ　Ｇｒｏｂａｓｓ　ｃｒｉｔｅｒｉｏｎ．ｔｈｅｎ　ｔｈｅ　ｒｅｓｔ　ｏｆ　ｔｈｅ　ｄａｔａ　ｗｅｒｅ　ｐｒｅｐｒｏｃｅｓｓｅｄ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ａｒｉｔｈｍｅｔｉｃ　ｍｅａｎ　ａｎｄ　ｔｈｅ　ｂａｔｃｈ　ｅｓｔｉｍａｔｅｓ，ｌａｓｔｌｙ　ｔｈｅ　ｄａｔａ　ｗｅｒｅ　ｆｕｓｅｄ　ｕｓｉｎｇ　ａｄａｐｔｉｖｅ　ｗｅｉｇｈｔｅｄ　ｆｕｓｉｏｎ　ａｌｇｏ—　ｒｉｔｈｍ　ｉｎ　ｔｈｅ　ｃｏｎｄｉｔｉｏｎ　ｏｆ　ｍｉｎｉｍａｌ　ｍｅａｎ　ｓｑｕａｒｅ　ｅｒｒｏｒ．Ｔｈｅ　ｔｈｉｎｅ　ｃａｌｃｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｗｅｒｅ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｏｔｈｅｒ　ａｌｇｏｒｉｔｈｍ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔｔｈｅ　ｄａｔａ　ｂｙ　ｈｙｂｒｉｄ　ａｌｇｏｒｉｔｈｍ　ｈａｓ　ｐｅｒｆｅｃｔ　ａｃｃｕｒａｃｙａｎｄｍｉｎｉｍａｌ　ｅｒｒｏｒ．Ｔｈｅ　ｃｏｎｃｌｕｓｉｏｎｉｓｔｈａｔ　ａｌｏｔ　ｏｆ　ｄａｔａ　Ｃａｎ　ｂｅｆｕｓｅｄｔｏ　ａ　ｄａｔｕｍ　ｒｅ—　ｆｌｅｃｔｉｎｇ　ｔｈｅ　ｒｅａｌ　ｐｒｏｄｕｃｔｉｏｎ　ｐｒｏｃｅｓｓ　ｂｙ　ｕｓｉｎｇ　ｔｈｅ　ｈｙｂｒｉｄ　ｍｅｔｈｏｄ　ｏｆ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ．　Ｋｅｙ　ｗｏｒｄｓ：ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ；ｅｒｒｏｒ；ｄａｔａ　ｆｕｓｉｏｎ；ａｄａｐｔｉｖｅ　

Ｏ　引　言　随着现代工业生产规模的扩大和生产过程中自动　化程度的提高，需要对大量数据进行各种控制和管理，　因而对数据采集及处理的需求大大增加。准确的测量　数据能反映实际生产过程的真实状况，并为生产过程　的监控、优化、计划调度以及决策分析提供可靠的基　础。但在实际操作中由于受测量仪表的精度、现场测　量环境、测量方法以及人为因素的影响，不可避免地带　来各种误差，甚至出现严重偏离真实值的数据，从而会　影响过程控制品质，因此必须对数据进行处理，对原始　数据进行滤波和校正，经过处理的数据才能正确反映　生产过程的真实情况。　现代化生产的各行各业都要用到数据，因此数据　的采集处理应用十分广泛。例如世界各地四通八达的　高速公路建设中要对地形进行测绘测量，能源化工行　业对石油煤炭的开采运输要进行测量，电网系统进行　电力的生产和运输中需要测量输电线的各种损耗，汽　车制造行业在生产和运输中测量各个零件的尺寸等。　可见，各个领域都离不开数据。因此，进行数据处理是　生产过程中不可或缺的部分，研究数据处理问题具有　很重要的实际意义。　

１　基于自适应加权融合算法的混合数据处　理　在生产过程中，要用到各种数据，比如电压、电流、　温度、压力、高度等。数据的采集可以是人工手动，比　如用测量工具（万用表、示波器等），也可以是自动采　集，比如各种数据采集器、采集卡等数据采集终端。采　集到的数据有的能真实反映实际情况，有的是在异常　

收稿日期：２０１４—０６—０５　修回日期：２０１４—０９—０９　网络出版时间：２０１５—０２—２３　基金项目：国家自然科学基金资助项目（６１１００１６５）　作者简介：唐亚鹏（１９７５一），女，硕士研究生，工程师，研究方向为控制理论与控制工程。　网络出版地址：ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／６１．１４５０．ＴＰ．２０１５０２２３．１２４１．０４１．ｈｔｍｌ。　计算机技术与发展　第２５卷　情况下采集到的误差较大的数据。所以要使数据真实　有效，必须对数据进行预处理。　１．１疏失误差的处理　疏失误差¨　（即过失误差，或称粗差）是指显然与　事实不符的误差，它对测量结果是一种严重的歪曲。　主要是由于操作者误操作、操作者的过度疲劳、外界强　干扰、实验器件内部接线脱落或者器件受损等原因造　成。疏失误差在测量中是不能允许存在的，因此含有　疏失误差的测量结果是不可信赖的，应该予以剔除。　判断疏失误差一般采用莱特准则、格罗贝斯判据准则　（Ｇｍｂｂｓ　Ｓ　ｃｒｉｔｅｒｉｏｎ）和分布图法。莱特准则是建立在　测量次数ｎ趋于无限大的前提下　，当ｎ有限，尤其　是当．ｒ／较小时，采用莱特准则的方法就不很可靠。例　如当ｎ≤１０时，即使测量数据中含有疏失误差，采用莱　特准则也无法剔除。实践证明，格罗贝斯准则和分布　图法对于较少的测量数据，疏失误差剔除的准确性高。　在采集数据时，由于各种原因，不可避免地会出现　疏失误差，文中采用格罗贝斯判据对含有疏失误差的　测量数据进行处理。为了研究方便，文中以某科研所　温室大棚的湿度传感器采集到的湿度数据为例，对数　据进行处理。以下数据为大棚内８个数据采集点的传　感器连续三次采集到的２４个湿度数据：３８．４，３９．４，　４０．８，３９．２，４４．３，４１．８，３９．３，３８．６，３６．２，３８．９，４０．６，　４０　３，３９．７，４１．７，４０．０，３９．９，４１．７，４０．２，４１．０，３８．９，　４５．３，３９．９，３８．５，３９．２。　将２４个测量数据分为３组，如表１所示。　表１　３组实验数据　

首先对第１组数据进行格罗贝斯剔除。第１组８　个数据的算术平均值为：　１　８　７１。＝÷∑　＝４０．２２５　

剩余误差　＝　一Ｔ．，计算第１组数据的剩余误　差如表２所示。　表２　第１组８个数据的剩余误差　

近似误差为：　一√　塞　＝１．９９９　

用查表法找出格罗贝斯统计量的临界值ｇ。（ｎ，　ｎ），即Ｐ［ｇ≥ｇ　（ｎ，ｎ）］＝ｎ（显著水平ｎ一般取０．０５　

或者０．０１）为小概率事件，在　服从正态分布时不应　该出现　。查数值表得ｇ。（８，０，０５）＝２．０３，ｇ。（８，０，　０５）×　＝４．０５８　１。此时Ｉ　ｌ…＝ｌ　ｌ＝４．０７５＞　ｇ。（８，０，０５）Ｘ　．＝４．０５８　１，因此第五个数值４４．３为　可疑值，应当剔除。剩余的７个数据，采用同样的方　法，得到Ｔ　＝３９．６４２　９，剩余误差如表３所示。　表３　第１组７个数据的剩余误差　

２＝１．２２４　５，查ｇｏ（ｎ，０）数值表得ｇ０（７，０，０５）＝　１．９４，ｇ０（７，０，０５）×　ｌ２＝２．３７５　６。　【　Ｉ…＝Ｉ　ｌ＝２．１５７　１＜ｇｏ（８，０，０５）×　ｚ＝　２．３７５　６。因此这７个测量数据中已经没有疏失误差　值，可以进行其他融合算法。　同理，对其他的２组数据采用格罗贝斯法剔除疏　失误差。　第２组测量数据采用格罗贝斯算法结果如下：　１　８　ｒ，２＝÷∑　：３９．６６２　５　

厂　——　一　：　√　・６１１　６　

ｌ　＝ｌ　ｌ＝３．４６２　５＞ｇ。（８，０，０５）×　＝　３．２７１　４，因此第１个数值３６．２为可疑值，予以剔除。　对剩余的７个数据采用格罗贝斯判据进行处理　后　，计算结果为：　＝４０．１５７　１４，　：：＝０．８６３　８，　Ｉ　Ｖｉ　＝ｌ　ｌ＝１．５４２　９＜ｇ。（８，０，０５）×　２２＝　１．６７５　８。因此这７个测量数据中已经没有疏失误差　值，可以进行其他融合算法。　第３组测量数据的格罗贝斯算法结果如下：　１　８　寺　＝４０・５８７　５　

厂　——可一　ｃｒ３　√　・　８３　３　

ｌ　ｌｎ１ａｘ＝ｌ　ｌ：４．７１２　５＞ｇｏ（８，０，０５）Ｘ　ｓ＝４．　４３２　２，因此第５个数值４５．３为可疑值，予以剔除。　对剩余的７个数据采用格罗贝斯判据　“　，计算　结果为：　＝３９．９１４　２９，　，：＝１．１５３　９，ｌ　Ｉｍａｘ＝　ｌ　ｌ＝１．７８５　７＜ｇ０（８，０，０５）Ｘ　３２＝２．２３８　５。因此　这７个测量数据中已经没有疏失误差值，可以进行其　他融合算法。　进行疏失误差处理剔除了３个数据，剩余的２１个　数据反映了大棚的实际湿度情况。有效的测量数据如　表４所示。　这些数据反映了真实的情况，但是到底根据哪个　数据对大棚进行后续的操作（如通风和加湿），还须进　

６　９　２　粥　３　０　５　∞　８　７　９　甜　３　７　３　２　３　９　∞　８　６　０　∞　∞　４　９　２　强　∞　４　２　７　组组组　１　２　３　第第第