對于國內技術較為落后的臭氧發生器系統而言，若能找到隱藏于眾多數據中的潛在聯系并加以利用，將可大大提高生產效率。本文通過對臭氧發生器歷史數據進行大量的數據挖掘工作，以對系統故障進行檢測。

　　數據預處理是指在數據挖掘以前對數據進行的一些處理?，F實環境中的數據大體上都是不完整、不一致的臟數據，無法直接進行數據挖掘，或挖掘結果不盡如人意。為了提高數據挖掘質量，發展出了數據預處理技術，其有多種方法，包括數據清理、數據集成、數據變換等。

　　臭氧發生器數據主要包含水路、氣路的傳感器數據和臭氧發生器電源及放電室的相關數據，由于數據來源于較為復雜的工業現場，海量數據中可能會存在測量儀器異常及通信線路干擾等產生的異常數據，這些異常數據與在臭氧發生器正常運行狀態下映射關系是不同的。并且在工業現場臭氧發生器設備大部分時間均在正常情況下運行，因此會產生大量重復數據，這些數據我們統稱為冗余數據，如果不將這些數據進行刪除，會顯著降低數據挖掘速度以及模型的準確度，因此在對數據進行挖掘前應根據數據集特征進行合理的預處理。

　　經過上述操作后可知每日設備數據量大多數相近，但也有一些時間段數據量顯著低于其他時間，經過分析，該時間段服務器程序為關閉狀態，導致并未儲存當天的全部數據，但是由于每條數據均具有時間戳作為索引，對之后的數據特征分析和模型訓練不會產生影響。并且經過去重復值操作后的數據減少比例，去除異常值之后的數據量變化較不明顯，由此表明數據集中重復數據較多，而異常數據較為較少。而在去除未起振值后有兩個時間段數據量幾乎降至為零，經過查看工作日志發現該段時間設備出現硬件損壞，上傳的數據多為調試時的未起振數據。