1、化工生產(chǎn)中，裝置運行狀況的好壞是通過生產(chǎn)過程的測量數(shù)據(jù)好壞來衡量的，這些測量數(shù)據(jù)是科學研究的基本依據(jù)，也是實現(xiàn)計算機過程控制、模擬優(yōu)化和生產(chǎn)管理的基本依據(jù)。測量數(shù)據(jù)在理論上是應該滿足物料平衡、能量平衡等約束條件的，但在實際應用中，從現(xiàn)場采集回來的數(shù)據(jù)，由于受測量儀表精度、測量方法和環(huán)境影響，不可避免的帶有誤差，進而影響運行狀況，故需要進行數(shù)據(jù)校正來剔除測量數(shù)據(jù)中的誤差。一般測量數(shù)據(jù)分為隨機誤差和過失誤差，傳統(tǒng)的數(shù)據(jù)校正方法會出現(xiàn)測量數(shù)據(jù)

2、中含過失誤差的數(shù)據(jù)將誤差分攤到不含過失誤差的數(shù)據(jù)當中。數(shù)據(jù)校正中數(shù)據(jù)分類、數(shù)據(jù)協(xié)調部分的求解方法需要用到方程的求導或者矩陣的轉換方法，計算過程復雜，故在此，引入了一種新的概率優(yōu)化算法--量子遺傳算法。
　　 量子遺傳算法是一種將量子計算與遺傳算法相結合的概率優(yōu)化方法，與遺傳算法相比，具有更好的種群多樣性、計算并行性、更快的收斂速度、更高的搜索效率和更強的全局尋優(yōu)能力。但對于多峰值問題，量子遺傳算法也容易出現(xiàn)陷入局部最優(yōu)的問題，所

3、以本文針對量子遺傳算法存在的不足對量子遺傳算法進行了改進，并將改正后量子遺傳算法應用到數(shù)據(jù)校正中。
　　 本文共分為六章，首先簡要介紹了數(shù)據(jù)校正研究現(xiàn)狀，并介紹了遺傳算法以及量子遺傳算法方面的研究，將遺傳算法與量子遺傳進行了比較；然后論文詳細闡述了量子遺傳算法的基本概念和基本原理，給出了量子遺傳算法的流程圖。隨后根據(jù)量子遺傳算法存在的不足提出了改進方案，并采用典型函數(shù)對改進的量子遺傳算法的優(yōu)化性能進行測試分析，結果表明，改進的量