4. 数据预处理与物理一致性检查

在实验数据与物理方程融合建模中，原始测量数据几乎不可能直接进入模型。传感器噪声、采样丢点、量纲差异、异常尖峰都会干扰参数辨识与方程约束。更隐蔽的问题是：数据在统计上"干净"，却违反了质量守恒、能量守恒或几何相容性等物理规律。因此，预处理不仅要让数据"好看"，更要让数据"讲物理"。本节围绕清洗、去噪、归一化三步预处理，以及基于守恒律的一致性检验与异常检测展开。

一、数据清洗：先保证样本可信

清洗的目标是识别并处理三类问题：缺失值、重复采样点和明显越界的野值。以某换热实验为例，温度采集通道以 10 Hz 采样，记录中出现连续 3 个采样点为空、某时刻进出口温差为负、以及同一时间戳重复两次的情况。处理策略应分情况：

• 缺失值：短缺口（少于 5 个采样点）用线性插值或三次样条补齐；长缺口不插值，直接标记为无效段，避免伪造动态信息。
• 重复点：同一时间戳保留均值或首值，并记录重复次数作为质量标记。
• 野值：先用物理量程粗筛（如水温不可能低于 0 ℃ 或高于 100 ℃），再用统计准则细筛。对近似正态的残差可用 3σ 准则；对偏态数据改用中位数绝对偏差（MAD），阈值取 \(|x_i-\tilde{x}|>3\times1.4826\times\mathrm{MAD}\)。

清洗后应保留一份"掩码"记录哪些点被修改、哪些被剔除，后续一致性检验要基于掩码判断异常是测量问题还是物理问题。

二、去噪：区分噪声与真实动态

去噪不能一味平滑。实验数据中常混有高频电磁噪声与真实的高频动态（如阀门切换引起的压力波动）。常用方法有三类：滑动平均适合缓变信号但会引入相位滞后；Savitzky-Golay 滤波在窗口内做低阶多项式拟合，能较好保留峰形，示例取窗口 11 点、二阶多项式；小波阈值去噪适合非平稳信号，对突变保留更好。选择依据是信号的截止频率与噪声频带是否分离。若采样率 10 Hz、关心的动态低于 0.5 Hz，而噪声集中在 3 Hz 以上，则低通滤波即可；若两者频带重叠，应优先用 Savitzky-Golay 或小波方法，并在去噪前后对比残差的自相关，确认没有把物理动态当噪声抹掉。

三、归一化：让不同量纲的通道可比

融合建模中，温度（℃）、流量（kg/s）、压力（kPa）量级相差数个数量级，直接进入优化会让大数值通道主导残差。常用两种归一化：最小-最大归一化 \(x'=(x-x_{\min})/(x_{\max}-x_{\min})\) 把数据映射到 [0,1]，适合边界明确的工况；Z-score 标准化 \(x'=(x-\mu)/\sigma\) 适合近似对称分布。关键原则是：归一化参数只能由训练段统计得到，再应用到验证段，否则会造成信息泄漏。同时要记录反归一化映射，因为物理方程中的守恒关系是在原始量纲下成立的，检验时必须还原。

四、基于守恒律的一致性检验

物理一致性检验的核心思路是：把守恒律写成残差，再看残差是否落在测量不确定度允许的范围内。以稳态换热段为例，质量守恒要求进口流量之和等于出口流量之和，能量守恒要求换热量等于流量乘比热乘温差。设某时刻测得冷侧流量 0.42 kg/s、热侧 0.40 kg/s，两侧流量计精度均为 ±1.5%，则质量残差 0.02 kg/s 相对 0.41 kg/s 约 4.9%，已超过合成不确定度（约 2.1%），应判为可疑点。此时不要急着删数据，而应结合掩码判断：若该时刻恰有清洗标记，可能是插值引入的偏差；若无标记，则可能是流量计漂移或存在未记录的旁路泄漏。

能量残差检验同理。用 \(r_E = \dot{m}c_p\Delta T - \dot{Q}\) 计算逐点残差，再以滑动窗口统计残差的均值与标准差。若残差均值显著偏离零，说明存在系统性偏差（如比热取值不当、传感器标定偏移）；若残差标准差突增，说明该时段动态剧烈或噪声增大。阈值可设为 \(3\sigma_r\)，其中 \(\sigma_r\) 由稳定工况段估计，而不是全段估计，避免异常段污染基准。

五、异常检测与处置

异常检测可分层进行：第一层是物理层，用守恒残差和量程约束筛出"不可能"的点；第二层是统计层，用 MAD 或 3σ 找出偏离分布的孤立点；第三层是时序层，用滑动窗口残差均值检测持续性漂移。三层结果合并后，按"物理违反优先"原则处置：物理层报警的点不参与参数辨识，统计层报警的点降权使用，时序层报警则触发传感器复核。

处置后要形成可追溯的记录，至少包含时间戳、通道、残差数值、阈值、判定层级和处置动作。这份记录既是数据质量的证据，也是后续模型残差分析的输入——如果融合模型在某些时段残差偏大，回查这份记录往往能发现是数据侧的问题而非模型侧的问题。

综上，预处理与一致性检验是一条闭环链路：清洗保证样本可信，去噪保留真实动态，归一化统一尺度，守恒检验把数据拉回物理约束，异常检测则给出可追溯的处置依据。只有这条链路走通，后续的物理方程融合建模才有可靠的数据基础。