Resumen

La integridad y la validez de los datos industriales son factores fundamentales en el ámbito de la modelización basada en datos. En este estudio se propone un algoritmo mejorado de Difusión de Tendencias Generalizadas (iGTD, por sus siglas en inglés) para resolver el problema de la falta de datos del flujo de gas en la industria siderúrgica, teniendo en cuenta, en particular, las propiedades de los datos que faltan consecutivamente y las muestras pequeñas. Y, la precisión de la imputación se puede aumentar en gran medida por la GTD propuesta basada en la membresía gaussiana que amplía el conocimiento útil de las muestras de datos. Además, se analiza el orden de imputación para mejorar la precisión de la previsión secuencial del flujo de gas. Para verificar la eficacia del método propuesto, se presenta una serie de experimentos que consta de tres categorías de características de datos en el sistema de gas, y los resultados indican que este método es integralmente mejor para la imputación de los datos de tipo periódico y los datos de tipo serie temporal.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:flujo de gas, como datos, precisión de previsión secuencial, datos, método, problema, series, pertenencia gaussiana, características de los datos, propiedades de los datos
• Keywords:gas flow, like data, sequential forecasting accuracy, data, method, problem, series, gaussian membership, data features, data properties