工业现场的传感器丢包、网关断连与人工漏抄使时序数据缺失难以避免，缺失处理方式直接影响后续建模质量。数据分析实验室近期围绕缺失值补全开展对比实验，选取某制造车间三个月的温度、压力传感数据（缺失率约8%~15%），横向比较线性插值、矩阵补全与时序生成模型三类方法。
主要进展：
- 缺失率低于10%且呈离散分布时，线性插值与矩阵补全的重建误差接近，均方根误差差异小于3%；当缺失连续超过30分钟，生成模型误差较插值方法低约22%，但训练与推理开销明显上升。
- 补全策略对下游建模的影响呈非线性：缺失率超过12%后，"先补全再建模"方案的预测精度衰减明显小于直接建模。
下一步，团队计划将补全模块与数据质量评分结合，形成"缺失检测—自动补全—可信度标注"的处理链路，并在合作工厂的不同设备数据集上开展跨场景验证，评估方法在采样频率变化下的稳健性。
评论