[发明专利]一种基于EEMD-神经网络的实时数据异常值检测方法

摘要

一种基于EEMD‑神经网络的实时数据异常值检测方法，考虑现有实时数据异常值检测方法没有考虑历史数据异常值问题。包括：获取历史时间序列数据，按照时间顺序排序；对历史数据用中位数法初步检测；再用EEMD法精细检测，把检测出的异常值用0值替换；接下来用曲线拟合方法对0值进行填补，也即对异常值校正，经过异常值检测和校正得到更接近客观真实的历史数据；最后采用神经网络方法通过对历史数据的学习，可以更加准确地对即将上报的实时数据进行预测，把预测值与实时上报的监测值进行比对可判断是否异常，并加以校正。该方法可用于一维时间序列实时数据的异常值检测，适用的领域广泛，如：水资源、交通、气象、火力发电等实时监测数据异常值检测。

主权项

1.一种基于EEMD‑神经网络的实时数据异常值检测方法，其特征在于：其包括以下步骤：(1)对原始历史时间序列数据，按照时间顺序进行排序，对缺失数据用0值填补，得到初步整理好的历史数据；所述原始历史时间序列数据是指日取水量数据；(2)对所述初步整理好的历史数据进行异常值检测处理，把检测出的异常值用0值替换；包括如下步骤：(2.1)通过中位数法对所述初步整理好的历史数据进行初步检测；(2.2)通过EEMD法对所述初步检测之后的历史数据进行精细检测；具体为：(a)将数列{b_i}中的正数选出来构成一个新的数列(b)通过EEMD法对进行分解，得到频率从高到低排列的n个分量；(c)n个分量中，舍去高频分量，把后面m个低频分量以向量求和的方式进行求和，得到一个新的数列其中，1<m<n；(d)计算偏差比率用于量化与的偏离程度；(e)设定偏差比率的阈值为d₀，偏差比率大于d₀的数据为异常值，再把异常值替换为0，把{b_i}经过异常值替换得到的数列记为{g_i}，从而完成对所述初步检测之后的数据进行精细检测；(3)对异常值检测处理之后的历史数据进行异常值校正处理，即对数据中的0值进行填补，完成历史时间序列数据异常值检测和校正；(4)对实时数据进行异常值检测；(5)根据步骤(4)得到的异常值检测结果，对实时数据进行异常值校正。