基于自适应DBSCAN-LOF的污水处理过程数据清洗方法

摘要

针对污水处理过程数据质量差、存在缺失和异常值的问题，本文提出了一种基于自适应密度聚类和局部异常因子算法相结合的数据清洗方法.首先，基于自适应密度聚类(DBSCAN)确定数据的基本分布；其次，使用局部异常因子(LOF)算法剔除异常聚类和噪点；最后，用随机森林算法填补空缺值保证数据的完整性.结果表明，自适应DBSCAN-LOF算法提高了污水数据的质量，实现了污水处理过程数据的清洗.

关键词

污水处理 / 数据清洗 / 自适应DBSCAN-LOF / 随机森林

基金资助

国家自然科学基金资助项目(62303394); 新疆维吾尔自治区自然科学基金资助项目(2022D01C694)