به عبارت دیگر از آنجا که دقت داده‌ای اندازه گیری شده فرآیندی در پیش‌بینی کیفیت محصولات بسیار مهم است، مقاله «ارائه روش ترکیبی پیش پردازش داده‌ها در ماشین بردار رگرسیون جهت پیش‌بینی کیفیت گازوییل پالایش شده» بر روی پیش پردازش داده‌ها متمرکز شده است و برای این منظور حسگر مجازی برای تعیین کیفیت گازوییل خروجی از پایلوت تصفیه هیدروژنی طراحی شد.

طراحی حسگر مجازی بر اساس یکی از روشهای جدید یادگیری ماشین به نام ماشین ‌بردار رگرسیون انجام شد. برای پیش پردازش داده‌ها از تکنیک ترکیبی به صورت پشت سر هم متشکل از آنالیز موجک و کوانتیزاسیون‌ برداری به منظور حذف خطاهای تصادفی، متراکم‌سازی داده‌ها و چشم ‌پوشی از داده‌هایی که شباهت کمتری به سایر داده‌ها دارند، استفاده شد. 

روشهای متفاوتی از آنالیز موجک برای حذف خطاهای تصادفی به کار برده و بهترین روش انتخاب شد. آزمایشهای حذف خطاهای تصادفی با استفاده از آنالیز موجک با تابع پایه هار و دابیچز و با الگوریتمهای انتخاب آستانهHeursure ،RigrsureMinimaxiو Sqtwolog انجام شد. 

مقایسه نتایج نشان داد که روش Db4 به همراه روش آستانه‌گیری Rigrsure بهترین نتایج حذف خطا را به دنبال دارد. با استفاده از این روش مقدار عددی AARE و RMSE نسبت به انواع دیگر تابع موجک بهتر است.

همچنین معیار عملکردی AARE برای سنجش دقت پیش‌ بینی مدل ماشین بردار رگرسیون استفاده شد و  مقدار AARE برابر 0.053 به دست آمد که نشان ‌دهنده دقت بالای مدل در پیش‌بینی غلظت گوگرد خروجی از رآکتور است.