附件二：样本确定方法.docxVIP

确定数据的整定，样本筛选逻辑方法 1 数据采集 原始数据采集来自于中石化高桥石化实时数据库（霍尼韦尔PHD）及LIMS实验数据库。其中操作变量数据来自于实时数据库，采集时间为2017年4月至2020年5月，采集操作位点数共354个。2017年4月至2019年9月，数据采集频次为3分钟/次；2019年10月至2020年5月，数据采集频次为6分钟/次。原料、产品和催化剂数据来自于LIMS实验数据库，数据时间范围为2017年4月至2020年5月。其中原料及产品的辛烷值是重要的建模变量，该数据采集频次为每周2次。 2 数据整定 原始数据中，大部分变量数据正常，但每套装置的数据均有部分位点存在问题：部分变量只含有部分时间段的数据，部分变量的数据全部为空值或部分数据为空值。因此对原始数据进行处理后才可以使用。数据处理方法如下： （1）对于只含有部分时间点的位点，如果其残缺数据较多，无法补充，将此类位点删除； （2）删除325个样本中数据全部为空值的位点； （3）对于部分数据为空值的位点，空值处用其前后两个小时数据的平均值代替； （4）根据工艺要求与操作经验，总结出原始数据变量的操作范围，然后采用最大最小的限幅方法剔除一部分不在此范围的样本； （5）根据拉依达准则（3σ准则）去除异常值。 3σ准则：设对被测量变量进行等精度测量，得到x1，x2，……，xn，算出其算术平均值x及剩余误差vi=xi-