ارائه روش ترکیبی پیش پردازش داده‌ها در ماشین بردار رگرسیون جهت پیش‌بینی کیفیت گازوییل پالایش شده

از آنجا که دقت داده‌ای اندازه گیری شده فرآیندی در پیش‌بینی کیفیت محصولات بسیار مهم است، در این تحقیق بر روی پیش پردازش داده‌ها 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 روش‌های جدید یادگیری ماشین به نام ماشین‌بردار رگرسیون انجام گردید. برای پیش پردازش داده‌ها از تکنیک ترکیبی به صورت پشت سر هم متشکل از آنالیز موجک و کوانتیزاسیون‌برداری به منظور حذف خطاهای تصادفی، متراکم‌سازی داده‌ها و چشم‌پوشی از داده‌هایی که شباهت کمتری به سایر داده‌ها دارند، استفاده گردید. روش‌های 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 الگوریتم‌های انتخاب آستانهHeursure ،RigrsureMinimaxiو Sqtwolog انجام شد. مقایسه نتایج نشان داد که روش Db4 به همراه روش آستانه‌گیری 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 پیش‌بینی مدل ماشین بردار رگرسیون استفاده گردید. مقدار AARE برابر 053/0 به دست آمد که نشان‌دهنده دقت بالای مدل در پیش‌بینی غلظت گوگرد خروجی از رآکتور می‌باشد.