本发明公开了一种基于预测和动态阈值的 ArGo剖面异常检测方法。对于给定的ArGo剖面时间序列PN={p1,p2,…,pn}, 其剖面观测值序列为ON={o1,o2,…,on},其中(1≤i≤n)。
定义待测剖面点pi的k-近邻剖面点序列ζi, 建立ARMA预测模型,将ζi作为输入参数, 获得ti时刻对应的剖面预测值。利用中心极限定理计算ti时刻对应的阈值thi。
通过判断ti时刻对应的剖面观测值oi是否在置信区间内, 来判断ti时刻对应的待测剖面点pi是否异常。若oi在阈值范围thi内, 则pi为正常剖面点,令flag=1;若oi在阈值范围thi外, 则pi为异常剖面点,令flag=0。
后移滑动窗口一位,重复上述过程, 直至检测完所有的待测剖面点。
该方法可以准确判断出正常剖面点或者异常剖面点, 异常检测的可靠性高。
| 专利名称 | 一种基于预测和动态阈值的Argo剖面异常检测方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201710382710.9 |
| 申请号 | - | 专利申请日期 | 2017-05-26 |
| 专利授权日期 | 2017-10-17 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 蒋华;罗一迪;王慧娇;王鑫 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明公开了一种基于预测和动态阈值的Argo剖面异常检测方法,对于给定的Argo剖面时间序列PN={p1,p2,…,pn},其剖面观测值序列为ON={o1,o2,…,on},(1≤i≤n)。定义待测剖面点pi的k‑近邻剖面点序列ζi,建立ARMA预测模型,将ζi作为输入参数获得ti时刻对应的剖面预测值利用中心极限定理计算ti时刻对应阈值thi。通过判断ti时刻对应的剖面观测值oi是否在置信区间内来判断ti时刻对应待测剖面点pi是否异常。若oi在阈值范围thi内,则pi为正常剖面点,令flag=1;若oi在阈值范围thi外,则pi为异常剖面点,令flag=0。后移滑动窗口一位,重复上述过程,直至检测完所有的待测剖面点。该方法可以准确的判断出正常剖面点或者异常剖面点,异常检测的可靠性高。 | ||