[发明专利]一种基于ARIMA-SVR的水文时间序列异常值检测方法

权利要求书

1.一种基于ARIMA-SVR的水文时间序列异常值检测方法，其特征在于，包括如下步骤：

步骤1：取待检测值的前n个值，形成水文时间序列，对水文时间序列进行平稳性检验，如果通过，进入下一步；如果不通过，对序列持续差分直到差分后的序列满足平稳性检验；

步骤2：通过步骤1得到模型的差分阶数d；以AIC信息准则为准，限定自回归的阶数p和移动平均阶数q的范围，遍历(p,q)组合，找出具有最小AIC值的(p,q)组合；

步骤3：将上述步骤中确定的最优p，d，q应用于ARIMA模型预测t时刻的值，同时得到置信度为α的置信区间；

步骤4：将步骤3中的得到的预测值与实际值相减得到残差，作为训练集输入到SVR；

步骤5：针对非线性回归问题，先使用非线性函数把训练集中的样本数据映射到一个高维特征空间，并在这个高维特征空间进行线性回归；训练样本x_i满足如下条件：y_i(x_i*ω+b)-1+ξ_i≥0其中ξ_i称为松弛变量，且满足ξ_i≥0，i＝1,2,3…n；

步骤6：采用10折交叉验证的方法，其中ε-不敏感损失函数选择核函数选择径向基函数，寻找出最佳的gamma、cost的组合；

步骤7：利用步骤6中得到的最佳参数构建SVR模型，然后预测出残差；

步骤8：将步骤3和步骤7得到的预测值相加，得到最终的预测值同时计算出置信度为α的置信区间，其中置信度定义了预测值在置信区间范围内的预期概率；

步骤9：比较实际值与置信区间的关系，如果实际值在预测区间之外则为异常值，否则为正常值。

2.如权要求1所述的基于ARIMA-SVR的水文时间序列异常值检测方法，其特征在于，步骤6中选用径向基函数为核函数。

3.如权要求1所述的基于ARIMA-SVR的水文时间序列异常值检测方法，其特征在于，最优p，d，q应用于ARIMA模型即等式预测t时刻的值，同时得到置信度为α的置信区间。

4.如权要求1所述的基于ARIMA-SVR的水文时间序列异常值检测方法，其特征在于，所述步骤6中，对于得到的残差序列，ε-不敏感损失函数和核函数是支持向量回归中最重要的两个函数，使用10折交叉验证的方法得到ε-不敏感损失函数和核函数。

5.如权要求1所述的基于ARIMA-SVR的水文时间序列异常值检测方法，其特征在于，所述步骤8中，将两组模型预测得到的值相加并得到最终的置信区间，从而可以判断异常点。