ارائه روش ترکیبی پیش پردازش داده ها در ماشین بردار رگرسیون جهت پیش بینی کیفیت گازوییل پالایش شده

از آنجا که دقت داده ای اندازه گیری شده فرآیندی در پیش بینی کیفیت محصولات بسیار مهم است، در این تحقیق بر روی پیش پردازش داده ها تمرکز گردید. برای این منظور حسگر مجازی برای تعیین کیفیت گازوییل خروجی از پایلوت تصفیه هیدروژنی طراحی شد. طراحی حسگر مجازی بر اساس یکی از روش های جدید یادگیری ماشین به نام ماشین بردار رگرسیون انجام گردید. برای پیش پردازش داده ها از تکنیک ترکیبی به صورت پشت سر هم متشکل از آنالیز موجک و کوانتیزاسیون برداری به منظور حذف خطاهای تصادفی، متراکم سازی داده ها و چشم پوشی از داده هایی که شباهت کمتری به سایر داده ها دارند، استفاده گردید. روش های متفاوتی از آنالیز موجک برای حذف خطاهای تصادفی به کار برده شد و بهترین روش انتخاب گردید. آزمایشات حذف خطاهای تصادفی با استفاده از آنالیز موجک با تابع پایه هار و دابیچز و با الگوریتم های انتخاب آستانهheursure ،rigrsureminimaxiو sqtwolog انجام شد. مقایسه نتایج نشان داد که روش db4 به همراه روش آستانه گیری rigrsure بهترین نتایج حذف خطا را به دنبال دارد. با استفاده از این روش مقدار عددی aare و rmse نسبت به انواع دیگر تابع موجک بهتر است. همچنین، معیار عملکردی aare برای سنجش دقت پیش بینی مدل ماشین بردار رگرسیون استفاده گردید. مقدار aare برابر 053/0 به دست آمد که نشان دهنده دقت بالای مدل در پیش بینی غلظت گوگرد خروجی از رآکتور می باشد.