本發明涉及數據處理。更具體地,本發明涉及柴油抗磨劑制備用油酸脫水過程含水量監測方法。
背景技術:
1、柴油抗磨劑,也稱作柴油潤滑劑的改進劑,在柴油抗磨劑的制備過程中,特別是涉及脂肪酸和其它化學品的反應中,水分的存在可能會對化學反應產生負面影響,因為油酸脫水可以去除反應體系中的水分,從而避免水分對反應的干擾,所以為了提高反應的效率和產物的質量,油酸脫水是一個重要的步驟,因此想要保證制備的抗磨劑具有良好性能就需要對油酸脫水過程含水量進行實時異常檢測,及時發現問題解決問題。
2、公告號為cn116304524b的專利文件公開了一種土壤含水量監測方法、設備、存儲介質及裝置,該方法包括:基于預設土壤含水量監測模型與土壤含水量的影響因子之間的多元線性關系確定土壤含水量監測的多元線性回歸模型;根據預設土壤含水量監測模型的觀測值和多元線性回歸模型的監測值進行高斯過程回歸分析,獲得土壤含水量監測的高斯過程回歸模型;基于貝葉斯定理對所述高斯過程回歸模型進行優化,獲得最優土壤含水量監測模型并根據所述最優土壤含水量監測模型對土壤含水量進行監測。
3、然而上述文件是針對土壤含水量的監測,并不能用于油酸脫水過程中含水量的監測,可以采用穩健隨機分割森林(rrcf,robust?random?cut?forest)算法進行檢測,以完成油酸脫水過程中含水量的監測,rrcf算法是一種面向動態數據量的異常檢測算法,該算法在數據流上動態維護隨機分割樹的分布,并根據新樣本點的插入或刪除對分割樹復雜度的影響來評判其異常程度。在利用rrcf模型對油酸脫水過程中的含水量進行異常檢測時,由于含水量數據是時序數據,隨著時間的推移,含水量的數據分布必然會發生變化,因此需要定期更新rrcf模型以適應新的數據分布,而傳統的定期更新策略可能會導致數據分布穩定時進行不必要的更新,導致計算資源的浪費,亦可能無法及時響應數據分布的快速變化,導致對含水量異常檢測不準確,影響柴油抗磨劑的制備效率。
技術實現思路
1、為解決由于rrcf模型的固定更新,使得數據分布穩定時進行不必要的更新,導致計算資源的浪費,以及無法及時響應數據分布的快速變化,導致對含水量檢測不準確,影響柴油抗磨劑的制備效率的問題,本發明提出柴油抗磨劑制備用油酸脫水過程含水量監測方法,該方法包括:
2、對實時采集到的油酸脫水過程的含水量數據進行清洗,得到含水量的數據序列;分別對數據序列中各數據點及各數據點的預設局部范圍內的各數據點進行曲線擬合,根據擬合曲線上的各數據點的斜率值大小,對各數據點的斜率值進行規劃,規劃后的斜率值與該數據點的斜率值正相關;確定數據序列中各數據點的異常表現程度,異常表現程度與數據序列的各數據點規劃后的斜率值的均值和該數據點的預設局部范圍內的各數據點規劃后的斜率值的均值的差異正相關;通過數據序列中各數據點的參考值和實際值的差異對異常表現程度進行修正,修正后的異常表現程度與異常表現程度正相關,與所述差異負相關;通過rrcf模型獲取數據序列中各數據點的異常得分,以各數據點的異常表現程度為縱坐標,異常得分為橫坐標構建散點圖,確定rrcf模型的準確性,準確性與各數據點在散點圖中到散點圖的回歸曲線的距離均值負相關;根據準確性的大小,更新rrcf模型;通過更新后的rrcf模型對含水量數據進行檢測,得到各含水量數據點的異常得分,以便完成柴油抗磨劑制備用油酸脫水過程含水量監測。
3、有益效果在于:根據曲線的斜率值進行規劃和異常表現的確定,可以更精確地反映數據點的行為及其異常程度,提升對數據變化的敏感性和準確性;通過修正異常表現程度,結合參考值與實際值的差異,可以更準確地識別和校正數據中的異常,避免誤報或漏報;根據準確性的評估結果更新rrcf模型,可以持續改進模型的檢測能力和準確性,實時監測和動態調整模型,使其更適應實際數據的變化;通過對油酸脫水過程中的含水量進行精確監測,可以有效控制生產過程中的關鍵參數,避免因含水量異常導致的質量問題;同時可以及時發現和修正異常,預防可能出現的生產問題,減少設備故障和維護成本,提高生產效率。
4、進一步地,所述曲線擬合為利用最小二乘法進行曲線擬合,曲線擬合時橫坐標為數據點的時間順序,縱坐標為數據點的實際值。
5、進一步地,所述規劃后的斜率值滿足如下關系式:
6、;式中,為第個數據點的規劃后的斜率值,為第個數據點的斜率值,為預設的規劃范圍的上限值,為預設的規劃范圍的下限值。
7、有益效果在于:通過規劃斜率值,使得任何超出范圍的斜率值都會被修正為預設的最大值或最小值,這樣可以避免極端值對后續分析產生不利影響,確保數據在給定范圍內平滑過度,從而提高模型的穩定性和預測準確性。
8、進一步地,所述異常表現程度滿足如下關系式:
9、;式中,為數據序列中第個數據點的異常表現程度,為數據序列中各數據點的數量,為數據序列中第j個數據點的規劃后的斜率值,表示第個數據點的預設局部范圍內各數據點的數量,為第個數據點的預設局部范圍內第個數據點的規劃后的斜率值。
10、有益效果在于:通過量化每個數據點相對于整體數據序列及其局部范圍內數據點的斜率值差異,計算全局均值與局部均值之間的絕對差異,有效識別出在局部范圍內偏離正常模式的數據點,從而更準確地檢測異常。
11、進一步地,所述修正后的異常表現程度滿足如下關系式:
12、;式中,為數據序列中第個數據點修正后的異常表現程度,為數據序列中第個數據點的異常表現程度,為數據序列中第個數據點的參考值,為數據序列中第個數據點的實際值,為自然指數函數。
13、有益效果在于:修正后的異常表現程度通過引入參考值和實際值之間的差異,能夠動態調整異常評分,利用自然指數函數來量化參考值和實際值之間的差異,能夠更加準確地反映每個數據點的異常表現程度,提升了異常檢測的準確性和穩定性,使得檢測結果更符合實際情況。
14、進一步地,所述參考值為對該數據點利用三次樣條插值后的值。
15、進一步地,所述準確性滿足如下關系式:
16、;式中,為rrcf模型的準確性,為數據序列中各數據點的數量,為第個數據點在散點圖中到回歸曲線的距離,為自然指數函數。
17、有益效果在于:通過評估散點圖中數據點到回歸曲線的距離,量化了rrcf模型的預測精度,通過指數函數的負關系,距離的增加會顯著降低準確性值,能夠有效突出模型在處理異常數據時的表現;計算均值后應用指數函數,使得準確性評估更加平滑和穩健,減少了單個數據點對整體準確性評分的過度影響,提高可靠性。
18、進一步地,所述根據準確性的大小,更新rrcf模型,包括:響應于準確性不大于預設閾值,認定rrcf模型檢測效率異常,對rrcf模型進行更新。
19、進一步地,所述以便完成柴油抗磨劑制備用油酸脫水過程含水量監測,包括:響應于含水量數據點的異常得分值大于預設異常閾值,認定油酸脫水過程中的含水量出現異常,并發出預警提示,完成柴油抗磨劑制備用油酸脫水過程含水量監測。
20、本發明具有以下有益效果:
21、通過含水量數據的變化特征不斷評價rrcf模型的準確性,即監測模型的準確性,再根據準確性大小,更新rrcf模型,能夠更準確地判斷何時需要更新模型,避免了不必要的更新,導致計算資源的浪費,以及更好地適應數據分布的變化,提高了模型的魯棒性,進而提高了油酸脫水過程中的含水量數據的檢測效率。