由于测量中不可避免地会存在误差,测量值不能正确的反映实际的化工生产过程,这种现象称为测量数据的不平衡性,解决这个问题的方法就是采用数据校正技术。目前研究的数据校正技术主要是基于稳态的线性系统模型。本论文针对实际生产数据不稳定的情况,提出了一种结合了贝叶斯、离散小波变换以及小波包变换的化工过程数据降噪方法,对化工过程数据进行预处理,以多种统计方法相结合进行数据降噪,尽可能地减少测量数据中的误差,以获得数据校正的稳态数据。本篇论文的重点在于利用贝叶斯思想来提高计算速度和效率,结合贝叶斯强大的判断能力,充分利用数据库中大量的历史数据获得先验知识,并以此作为判断的依据。论文以某焦化厂的生产数据为研究对象,从工程实践角度出发研究小波包降噪技术在化工过程现场中的应用。论文主要内容如下：对小波变换,离散小波变换分别作了文献综述,回顾了小波降噪的发展现状、研究概况及其工业应用情况。讨论了傅里叶变换的优缺点以及小波变换的意义及优势,详细分析了离散小波变换的原理。提出了一种结合了贝叶斯思想的小波包过程数据降噪方法。利用贝叶斯分类方法,提高了小波包数据降噪的方法以及效率。以某焦化厂生产流程为对象,研究部分有代表性的过程的数据校正问题,对降噪后的数据进行协调,获得了较为理想的效果。最后,总结了全文内容,并对小波包数据降噪技术的进一步研究提出了自己的看法。