基于ARIMA-贝叶斯网络与混合修复方法的纺纱机异常数据处理

来源：现代纺织技术杂志2025年第11期北京时间：

作者：候松松, 戴宁, 胡旭东, 沈春娅, 丁春高

单位：1.浙江理工大学浙江省现代纺织装备技术重点实验室，杭州310018；2.浙江康立自控科技有限公司，浙江绍兴312500

摘要：纺纱机在数据采集中因通信故障、数据采集与传输错误常引发数据异常问题，对此提出了一种双维度异常数据识别与缺失数据混合修复的方法。首先，根据不同模型互补优势，从时间维度和参数维度分别对异常数据进行分析，利用自回归移动平均模型对单参数时间序列进行异常数据识别，分析单个参数在时间维度上的变化趋势；其次，利用贝叶斯网络模型对多参数时间序列进行异常数据识别，建模不同参数之间的关联关系，识别时间点上的关联异常；最后，根据数据特性，利用K近邻算法修复稳定波动型数据，采用分段线性回归结合滑动窗口的混合预测方法修复连续增长性型数据，确保数据完整性与准确性。结果表明：双维度异常数据识别方法识别率可达97.58%，混合修复方法拟合系数平均达到了0.9614，有效提升异常数据处理的精度。研究结果可为纺纱机数据分析及后续优化提供可靠的数据支持。

关键词：纺纱机,异常数据识别,数据修复,ARIMA模型,贝叶斯网络模型,时间序列数据

基金资助：浙江省科技计划项目（2022C01065）