[发明专利]烟尘颗粒浓度异常识别方法、装置、存储介质及设备

权利要求书

1.一种烟尘颗粒浓度异常识别方法，其特征在于，包括：

获取烟尘颗粒的时间序列数据，其中，所述时间序列数据包括以下至少之一数据维度：趋势性维度、周期性维度以及不规则性维度；其中，所述周期性维度用于表征规律性活动产生的烟尘指标值，所述趋势性维度用于表征季节更替及人口增加导致的排放趋势性变化，所述不规则性维度用于表征特殊天气和重大安全事故导致的突发性变化；

对所述时间序列数据进行平滑处理，得到平滑处理结果；

对所述平滑处理结果进行分解处理，得到不规则维度指标，其中，所述分解处理包括：外循环处理以及内循环处理；

基于所述不规则维度指标检测所述烟尘颗粒的浓度变化值是否异常，得到检测结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述时间序列数据进行平滑处理，得到平滑处理结果，包括：

确定所述时间序列数据中的观测点，以及与所述观测点对应的窗口宽度，其中，所述窗口宽度表示以所述观测点为中心的预定区间内的观测范围；

基于所述观测点和所述窗口宽度，确定所述观测点的权重值；

采用最小二乘法根据所述权重值计算所述观测点的估计值；

基于所述估计值对所述时间序列数据进行平滑处理，得到所述平滑处理结果。

3.根据权利要求1所述的方法，其特征在于，所述对所述平滑处理结果进行分解处理，得到不规则维度指标，包括：

对所述平滑处理结果进行所述外循环处理，得到数据点权重值；

基于所述数据点权重值对所述平滑处理结果进行所述内循环处理，得到所述不规则维度指标。

4.根据权利要求3所述的方法，其特征在于，所述基于所述数据点权重值对所述平滑处理结果进行所述内循环处理，包括：

对所述平滑处理结果进行去趋势性维度数据处理，得到第一处理结果；

基于所述数据点权重值对所述第一处理结果进行局部加权回归处理，得到第二处理结果；

对所述第二处理结果进行低通量过滤处理，得到子序列数据。

5.根据权利要求4所述的方法，其特征在于，在对所述第二处理结果进行低通量过滤处理，得到子序列数据之后，所述方法还包括：

对所述子序列数据进行去周期性维度数据处理，得到第三处理结果；

基于所述数据点权重值对所述第三处理结果进行局部加权回归处理，得到第四处理结果；

基于所述第四处理结果，确定所述不规则维度指标。

6.根据权利要求1所述的方法，其特征在于，所述基于所述不规则维度指标检测所述烟尘颗粒的浓度变化值是否异常，得到检测结果，包括：

对所述不规则维度指标进行标准化处理，得到标准化数据；

判断所述标准化数据是否大于预设范围，其中，所述预设范围为所述标准化数据的均值至三倍标准差数据内的范围；

若所述标准化数据大于所述预设范围，则确定所述标准化数据所属的目标观测点为异常观测点。

7.根据权利要求6所述的方法，其特征在于，所述确定所述标准化数据所属的目标观测点为异常观测点，包括：

获取邻近观测点的邻近标准化数据，其中，所述邻近观测点为所述异常观测点周围的观测点；

判断所述标准化数据与所述邻近标准化数据的相似度；

若所述相似度低于预设阈值，则判断所述目标观测点烟尘颗粒的浓度变化值的检测结果异常。