對于國內技術較為落后的臭氧發(fā)生器系統(tǒng)而言，若能找到隱藏于眾多數(shù)據(jù)中的潛在聯(lián)系并加以利用，將可大大提高生產效率。本文通過對臭氧發(fā)生器歷史數(shù)據(jù)進行大量的數(shù)據(jù)挖掘工作，以對系統(tǒng)故障進行檢測。

　　數(shù)據(jù)預處理是指在數(shù)據(jù)挖掘以前對數(shù)據(jù)進行的一些處理?，F(xiàn)實環(huán)境中的數(shù)據(jù)大體上都是不完整、不一致的臟數(shù)據(jù)，無法直接進行數(shù)據(jù)挖掘，或挖掘結果不盡如人意。為了提高數(shù)據(jù)挖掘質量，發(fā)展出了數(shù)據(jù)預處理技術，其有多種方法，包括數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換等。

　　臭氧發(fā)生器數(shù)據(jù)主要包含水路、氣路的傳感器數(shù)據(jù)和臭氧發(fā)生器電源及放電室的相關數(shù)據(jù)，由于數(shù)據(jù)來源于較為復雜的工業(yè)現(xiàn)場，海量數(shù)據(jù)中可能會存在測量儀器異常及通信線路干擾等產生的異常數(shù)據(jù)，這些異常數(shù)據(jù)與在臭氧發(fā)生器正常運行狀態(tài)下映射關系是不同的。并且在工業(yè)現(xiàn)場臭氧發(fā)生器設備大部分時間均在正常情況下運行，因此會產生大量重復數(shù)據(jù)，這些數(shù)據(jù)我們統(tǒng)稱為冗余數(shù)據(jù)，如果不將這些數(shù)據(jù)進行刪除，會顯著降低數(shù)據(jù)挖掘速度以及模型的準確度，因此在對數(shù)據(jù)進行挖掘前應根據(jù)數(shù)據(jù)集特征進行合理的預處理。

　　經過上述操作后可知每日設備數(shù)據(jù)量大多數(shù)相近，但也有一些時間段數(shù)據(jù)量顯著低于其他時間，經過分析，該時間段服務器程序為關閉狀態(tài)，導致并未儲存當天的全部數(shù)據(jù)，但是由于每條數(shù)據(jù)均具有時間戳作為索引，對之后的數(shù)據(jù)特征分析和模型訓練不會產生影響。并且經過去重復值操作后的數(shù)據(jù)減少比例，去除異常值之后的數(shù)據(jù)量變化較不明顯，由此表明數(shù)據(jù)集中重復數(shù)據(jù)較多，而異常數(shù)據(jù)較為較少。而在去除未起振值后有兩個時間段數(shù)據(jù)量幾乎降至為零，經過查看工作日志發(fā)現(xiàn)該段時間設備出現(xiàn)硬件損壞，上傳的數(shù)據(jù)多為調試時的未起振數(shù)據(jù)。