过失误差识别和数据校正的MILP模型的新视角

混合整数线性规划（MILP）方法成功地应用于同时识别过失误差和协调数据，使过程数据满足物料平衡、能量平衡和其他约束条件。然而，在混合整数线性规划的框架下，模型的扩展十分困难。采用公式推导的方式证明了数据校正的MILP模型可以等价地表示成非线性规划模型，因而该模型不仅可以用混合整数线性规划算法求解而且可以用非线性迭代算法求解，两种算法求解的一致性也验证了该结论的正确性。此外，在非线性规划的框架下，模型容易进行扩展，在不增加算法复杂度的前提下，扩展模型保证了在不存在过失误差的情况下模型为最大似然估计。两个应用实例验证了本文的观点。