[发明专利]一种基于趋势分段相似性的机场噪声监测点异常识别方法

权利要求书

1.一种基于趋势分段相似性的机场噪声监测点异常识别方法，其特征在于包括如下步骤：

步骤1：利用机场噪声监测设备获取机场周边多个噪声监测点的原始时间序列；

步骤2：对原始噪声时间序列进行预处理，创建标准的噪声时间序列数据集；

步骤3：用基于趋势分段的时间序列特征表示方法对每个监测点的噪声时序数据进行降维表示；

步骤4：使用基于趋势分段的时间序列相似性度量方法，逐一度量各监测点的噪声时序与其他监测点的噪声时序之间的相似程度，并建立相似性矩阵；

步骤5：根据相似性矩阵，找到每一个监测点的前k个最相似的监测点，创建相似监测点集合；

步骤6：度量各个监测点新的噪声时序与其相似监测点的新噪声时序之间的相似性，若相似性发生明显变化，则判定为异常。

2.根据权利要求1所述的一种基于趋势分段相似性的机场噪声监测点异常识别方法，其特征在于：步骤2中所述对原始噪声时间序列进行预处理为将实测噪声数据集作归一化处理。

3.根据权利要求1所述的一种基于趋势分段相似性的机场噪声监测点异常识别方法，其特征在于，步骤3中所述基于趋势分段的时间序列特征表示方法具体如下：对噪声数据集中的每一条噪声序列进行了重新表示，运用了迭代终点拟合算法，将各个监测点的噪声时序表示成由多个趋势分段组成的降维序列，每个分段用一个三元组表示。

4.根据权利要求3所述的一种基于趋势分段相似性的机场噪声监测点异常识别方法，其特征在于，所述三元组的内容包括：分段的起点、分段均值的符号化表示和分段趋势变量。

5.根据权利要求1所述的一种基于趋势分段相似性的机场噪声监测点异常识别方法，其特征在于，步骤4中所述基于趋势分段的时间序列相似性度量方法具体如下：使用符号化距离和欧氏距离分别度量噪声序列中各分段的均值和趋势变量之间的距离，将均值距离与趋势距离结合，定义了一种能度量不同长度序列相似性度量函数。

6.根据权利要求1所述的一种基于趋势分段相似性的机场噪声监测点异常识别方法，其特征在于：步骤6中所述相似性发生明显变化为相似性明显偏大。