用于卷烟实时数采的数据缺失值填充方法与流程

技术特征：
1.一种用于卷烟实时数采的数据缺失值填充方法，其特征在于，包括：在进行实时数据采集过程中，当检测到数据缺失时，根据已采集的数据以及预先构建的预测模型，预测出缺失的待填入数据；根据预设的置信区间，校验所述待填入数据是否有效；若有效，则将待填入数据补进实时数采数据的缺失位置。2.根据权利要求1所述的用于卷烟实时数采的数据缺失值填充方法，其特征在于，所述预测模型被配置为：具有基于现场实际数据以及算法仿真数据所形成的虚实映射自学习机制。3.根据权利要求1所述的用于卷烟实时数采的数据缺失值填充方法，其特征在于，所述方法还包括：在数采过程中，根据实际数据情况动态更新并迭代所述预测模型的参数。4.根据权利要求3所述的用于卷烟实时数采的数据缺失值填充方法，其特征在于，所述根据实际数据情况动态更新并迭代所述预测模型的参数包括：根据卷烟原料等级、环境温湿度数据，并结合当前生产对应的牌号、批次号以及涉及的设备参数，持续训练并优化所述预测模型的参数。5.根据权利要求1～4任一项所述的用于卷烟实时数采的数据缺失值填充方法，其特征在于，所述预测模型的构建方式包括：按照数据采样频率、数据结构、数据字段划分为若干个分组，并根据品牌、批次、工序段对所述分组进行分类及汇总；检索并获取历史生产数据；根据已确定的若干分组对所述历史生产数据进行整理，并向对应分组中导入所述历史生产数据得到样本集，所述历史生产数据包含原始的数采数据；将所述样本集中的数据与真实生产情况进行关联，得到数据分布特征及映射特征；根据所述样本集中的数据、所述数据分布特征以及所述映射特征训练所述预测模型，使所述预测模型输出预测期望值。6.根据权利要求5所述的用于卷烟实时数采的数据缺失值填充方法，其特征在于，在所述预测模型的训练阶段，将预先设定的置信区间作为输入，使所述预测模型输出符合置信区间的预测期望值。

技术总结
本发明公开了一种用于卷烟实时数采的数据缺失值填充方法，本发明的设计构思在于，通过大数据统计分析，以机器学习的方式，对实时数采数据的缺失值进行自动填充，结合自学习模型，将数采数据对应的预测值填入至缺失位置，并检测填充的缺失值是否在预测值的置信区间范围内。在此过程中，动态根据实际数据情况进行更新和迭代。本发明解决了卷烟工业现场干扰噪声信号影响的问题，实现了实时数采数据缺失值的自动填充，在确保控制精度的同时，并能保证信息系统分析结果的正确性、准确性。准确性。准确性。


技术研发人员：李达 许仁杰 袁湘云 刘智宇 马洁 葛文
受保护的技术使用者：红云红河烟草（集团）有限责任公司
技术研发日：2021.08.06
技术公布日：2021/10/19