CN116401535B - 基于差分法的时序数据粗差识别方法及*** - Google Patents
基于差分法的时序数据粗差识别方法及*** Download PDFInfo
- Publication number
- CN116401535B CN116401535B CN202310651665.8A CN202310651665A CN116401535B CN 116401535 B CN116401535 B CN 116401535B CN 202310651665 A CN202310651665 A CN 202310651665A CN 116401535 B CN116401535 B CN 116401535B
- Authority
- CN
- China
- Prior art keywords
- measured value
- sequence
- difference
- measurement
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005259 measurement Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000010586 diagram Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2132—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on discrimination criteria, e.g. discriminant analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明属于数据识别技术领域,公开基于差分法的时序数据粗差识别方法与***,该方法包括以下步骤:1.获取选定仪器的所有测值对;2.计算每个测值对的时间间隔序列和测值变化量序列;3.计算测值变化量序列的均值Av和标准差Sv;4.初步标记粗差的测值对;5.最终确定标记粗差的测值对;6.去除标记为粗差的测值对后,形成新的测值序列,重复步骤2到5,直到没有粗差。本发明考虑了监测仪器及其传感器测值长时间间隔后可能的阶跃问题,能够有效识别突变数据,并避免正常阶跃数据的误判。
Description
技术领域
本发明属于数据识别技术领域,特别涉及基于差分法的时序数据粗差识别方法及***。
背景技术
岩土工程安全监测中,监测仪器及其传感器受外部环境变化、电磁场干扰或自身稳定性影响,所测量的一系列数据中往往出现突变数据,这些数据不是真实的测量结果,在分析中应予剔除。目前,仅以测值序列进行的滑动平均法、一阶差分方法对于等间隔的数据适用性较好,但是,忽略了测量数据可能存在的不等时间间隔,容易将正常的阶跃数据误判为粗差。
发明内容
针对现有技术所存在的上述缺陷,本发明公开了基于差分法的时序数据粗差识别方法及***,通过结合时间序列的特点,同时考虑时间序列及其测值特征,设置分段参数,能够有效识别突变数据,并防止时间间隔较长的正常的阶跃数据被误判。
本发明公开基于差分法的时序数据粗差识别方法,包括以下步骤:
S1,获取选定仪器的所有测值对;
S2,计算每个测值对的时间间隔序列和测值变化量序列;
S3,计算测值变化量序列的均值Av和标准差Sv;
S4,初步标记粗差的测值对;
S5,最终确定标记粗差的测值对;
S6,去除标记为粗差的测值对后,形成新的测值序列,重复S2到S5,直到没有粗差。
进一步的,所述S2中,计算每个测值对的时间间隔序列和测值变化量序列,记为{dTj,dVj},计算公式为:
dTj=Ti+1-Ti,dVj=Vi+1-Vi
其中Ti为观测时间,Vi为测值,i为测值对序号,若n为测值对个数,则i=0,1,2,…,n-1,j=1,2,…,n-1。
进一步的,所述S4中,初步标记粗差的测值对,即设定参数α,
当|dVj-Av|>αSv时,标记{Tj,Vj}为粗差,否则为正常;
其中,dVj为测值变化量序列,Av为测值变化量序列{dV}的均值,α为设定参数,Sv为测值变化量序列{dV}的标准差。
进一步的,所述S5中,最终确定标记粗差的测值对,即设定时间间隔参数β,若{Tj,Vj}初步标记为粗差,则
当dTj>β时,恢复{Tj,Vj}为正常;
当dTj≤β时,最终标记{Tj,Vj}为粗差;
其中,dTj为每个测值对的时间间隔序列,β为设定时间间隔参数。
相应的,本发明还提供基于差分法的时序数据粗差识别***,其特征在于,该***包括:监测数据存取模块,用于存储所有仪器的所有测值对;
监测数据查询模块,用于查询选定仪器的所有测值对;
绘制数据点线图模块,根据查询到的选定仪器的所有测值对绘制原数据图;
识别算法模块,执行上述基于差分法的时序数据粗差识别方法中的全部步骤,识别出所有的粗差测值对;
绘制标记模块,在原数据图上,标记出所有的粗差点,并将结果更新到监测数据存取模块。
本发明的有益效果在于:考虑了监测仪器及其传感器测值长时间间隔后可能的阶跃问题,能够有效识别突变数据,并避免正常阶跃数据的误判。
附图说明
图1为本发明方法的流程图。
图2为本发明的***界面。
图3为本发明的***模块及交互图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚,下面将结合本发明的附图,对本发明的技术方案进行清楚完整的描述。
如图1所示,本发明公开基于差分法的时序数据粗差识别方法,包括以下步骤:
S1,获取选定仪器设定时段内的所有测值对;
获取选定仪器设定时段内的所有测值对,记为{Ti,Vi},其中Ti为观测时间,Vi为测值,i为测值对序号,若n为测值对个数,则i=0,1,2,…,n-1。
S2,计算每个测值对的时间间隔序列和测值变化量序列;
计算每个测值对的时间间隔序列和测值变化量序列,记为{dTj,dVj},计算公式为:dTj=Ti+1-Ti,dVj=Vi+1-Vi
其中Ti为观测时间,Vi为测值,i为测值对序号,若n为测值对个数,则i=0,1,2,…,n-1,j=1,2,…,n-1。
S3,计算测值变化量序列的均值Av和标准差Sv。
S4,初步标记粗差的测值对;
初步标记粗差的测值对,即设定参数α,
当|dVj-Av|>αSv时,标记{Tj,Vj}为粗差,否则为正常;
其中,dVj为测值变化量序列,Av为测值变化量序列{dV}的均值,α为设定参数,Sv为测值变化量序列{dV}的标准差。
S5,最终确定标记粗差的测值对;
最终确定标记粗差的测值对,即设定时间间隔参数β,若{Tj,Vj}初步标记为粗差,则
当dTj>β时,恢复{Tj,Vj}为正常;
当dTj≤β时,最终标记{Tj,Vj}为粗差;
其中,dTj为每个测值对的时间间隔序列,β为设定时间间隔参数。
S6,去除标记为粗差的测值对后,形成新的测值序列,重复S2到S5,直到没有粗差。
相应的,基于差分法的时序数据粗差识别方法,本发明还提供了基于差分法的时序数据粗差识别***,对于不同的监测仪器及其传感器测值,通过调整参数α和β,获得最佳的标记效果,最终的参数可用于软件***进行自动识别与标记,提高自动化处理能力。
如图2所示,本发明公开基于差分法的时序数据粗差识别***,***界面显示仪器K1b的测读频率平方数据在设定参数(α=5和β=3)下的识别结果,标记出所有的粗差点。
图3所示为***模块交互过程,如图3所示,***模块包括监测数据存取模块、监测数据查询模块、绘制数据点线图模块、识别算法模块、绘制标记模块。
监测数据存取模块,用于存储所有仪器的所有测值对;
监测数据查询模块,用于查询选定仪器的所有测值对;
绘制数据点线图模块,根据查询到的选定仪器的所有测值对绘制原数据图;
识别算法模块,执行上述基于差分法的时序数据粗差识别方法中的全部步骤,识别出所有的粗差测值对;
绘制标记模块,在原数据图上,标记出所有的粗差点,并将结果更新到监测数据存取模块。
Claims (2)
1.基于差分法的时序数据粗差识别方法,其特征在于,包括以下步骤:
S1,获取选定仪器的所有测值对,记为{Ti,Vi},其中Ti为观测时间,Vi为测值,i为测值对序号,若n为测值对个数,则i=0,1,2,…,n-1;
S2,计算每个测值对的时间间隔序列和测值变化量序列,记为{dTj,dVj},计算公式为:
dTj=Ti+1-Ti,dVj=Vi+1-Vi
其中Ti为观测时间,Vi为测值,i为测值对序号,若n为测值对个数,则i=0,1,2,…,n-1,j=1,2,…,n-1;
S3,计算测值变化量序列的均值Av和标准差Sv;
S4,初步标记粗差的测值对,即设定参数α,
当|dVj-Av|>αSv时,标记{Tj,Vj}为粗差,否则为正常;
其中,dVj为测值变化量序列,Av为测值变化量序列{dV}的均值,α为设定参数,Sv为测值变化量序列{dV}的标准差;
S5,最终确定标记粗差的测值对,即设定时间间隔参数β,若{Tj,Vj}初步标记为粗差,则
当dTj>β时,恢复{Tj,Vj}为正常;
当dTj≤β时,最终标记{Tj,Vj}为粗差;
其中,dTj为每个测值对的时间间隔序列,β为设定时间间隔参数;
S6,去除标记为粗差的测值对后,形成新的测值序列,重复S2到S5,直到没有粗差。
2.基于差分法的时序数据粗差识别***,其特征在于,该***包括:
监测数据存取模块,用于存储所有仪器的所有测值对;
监测数据查询模块,用于查询选定仪器的所有测值对;
绘制数据点线图模块,根据查询到的选定仪器的所有测值对绘制原数据图;
识别算法模块,执行所述权利要求1中的全部步骤,识别出所有的粗差测值对;
绘制标记模块,在原数据图上,标记出所有的粗差点,并将结果更新到监测数据存取模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310651665.8A CN116401535B (zh) | 2023-06-05 | 2023-06-05 | 基于差分法的时序数据粗差识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310651665.8A CN116401535B (zh) | 2023-06-05 | 2023-06-05 | 基于差分法的时序数据粗差识别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116401535A CN116401535A (zh) | 2023-07-07 |
CN116401535B true CN116401535B (zh) | 2023-09-22 |
Family
ID=87014526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310651665.8A Active CN116401535B (zh) | 2023-06-05 | 2023-06-05 | 基于差分法的时序数据粗差识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116401535B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117609710B (zh) * | 2024-01-24 | 2024-04-12 | 中国电建集团西北勘测设计研究院有限公司 | 监测数据正常跳变防剔除方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6525685B1 (en) * | 2001-12-27 | 2003-02-25 | Northrop Grumman Corporation | Method and apparatus for detecting and eliminating signal angle-of-arrival errors caused by multipath |
CN101373130A (zh) * | 2008-10-10 | 2009-02-25 | 西安交通大学 | 空间测量定位***的相关时间提取及特征时间计算方法 |
CN106022966A (zh) * | 2016-05-31 | 2016-10-12 | 中国电建集团昆明勘测设计研究院有限公司 | 一种基于增量判别的水电工程安全监测数据粗差处理方法 |
CN108319664A (zh) * | 2018-01-17 | 2018-07-24 | 国电南瑞科技股份有限公司 | 一种大坝及工程安全监测数据粗差识别方法及*** |
CN111709465A (zh) * | 2020-06-04 | 2020-09-25 | 中国电建集团华东勘测设计研究院有限公司 | 大坝安全监测数据粗差智能识别方法 |
WO2022156481A1 (zh) * | 2021-01-25 | 2022-07-28 | 华为技术有限公司 | 星历预报方法和装置 |
-
2023
- 2023-06-05 CN CN202310651665.8A patent/CN116401535B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6525685B1 (en) * | 2001-12-27 | 2003-02-25 | Northrop Grumman Corporation | Method and apparatus for detecting and eliminating signal angle-of-arrival errors caused by multipath |
CN101373130A (zh) * | 2008-10-10 | 2009-02-25 | 西安交通大学 | 空间测量定位***的相关时间提取及特征时间计算方法 |
CN106022966A (zh) * | 2016-05-31 | 2016-10-12 | 中国电建集团昆明勘测设计研究院有限公司 | 一种基于增量判别的水电工程安全监测数据粗差处理方法 |
CN108319664A (zh) * | 2018-01-17 | 2018-07-24 | 国电南瑞科技股份有限公司 | 一种大坝及工程安全监测数据粗差识别方法及*** |
CN111709465A (zh) * | 2020-06-04 | 2020-09-25 | 中国电建集团华东勘测设计研究院有限公司 | 大坝安全监测数据粗差智能识别方法 |
WO2022156481A1 (zh) * | 2021-01-25 | 2022-07-28 | 华为技术有限公司 | 星历预报方法和装置 |
Non-Patent Citations (2)
Title |
---|
Lingke Zhou ; Hongye Su ; Jian Chu.A study of gross error detection and data reconciliation.《Fifth World Congress on Intelligent Control and Automation (IEEE Cat. No.04EX788)》.2004,第1668-1670页. * |
大坝位移监测中的粗差剔除方法;花胜强等;《水力发电》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116401535A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116401535B (zh) | 基于差分法的时序数据粗差识别方法及*** | |
CN108692711B (zh) | 基于低空探空火箭的海洋数据处理的实现方法 | |
CN113342610B (zh) | 一种时序数据异常检测方法、装置、电子设备及存储介质 | |
CN107273421B (zh) | 一种高准确性茶叶香气类型和品质的模式识别检测方法 | |
CN117332205B (zh) | 压电阻抗温度补偿高精度自动优化方法及装置 | |
CN117475154A (zh) | 一种基于优化Canny边缘检测的仪表图像识别方法及*** | |
CN116304963B (zh) | 一种适用于地质灾害预警的数据处理*** | |
CN117453763A (zh) | 一种大坝安全监测的数据处理方法、记录媒体及*** | |
CN110907984A (zh) | 一种基于自回归移动平均模型的震前红外长波辐射异常信息探测方法 | |
CN116522096A (zh) | 基于动作捕捉的三维数字孪生内容智能制作方法 | |
CN114925731B (zh) | 检测柔性测斜仪监测数据异常值的方法 | |
CN116028660A (zh) | 一种基于权重值的图像数据筛选方法、***及介质 | |
CN115186702A (zh) | 一种基于振动信号的离心泵空化状态识别方法 | |
CN112836166A (zh) | 基于响应峰分析的等间采样实验监测数据一阶微分算法 | |
CN110135731B (zh) | 实验室风险目标质量控制图绘制方法 | |
CN117609907A (zh) | 一种大坝安全监测数据异常值识别方法 | |
CN110298339A (zh) | 一种仪表表盘识别方法、装置及计算机存储介质 | |
CN114330553B (zh) | 基于监督学习的数字采集***校准方法 | |
CN117826224B (zh) | 一种海水中放射性核素峰漂移的温度判定方法 | |
CN114924237B (zh) | 一种用于动态检测雷达数据异常值的滤波方法 | |
CN111695551B (zh) | 表盘的读数方法、装置、计算机设备及可读存储介质 | |
CN116147833A (zh) | 一种基于数据挖掘的压力传感器性能分析方法及*** | |
CN117253038A (zh) | 基于偏正校验的指针式仪表智能检测与读取方法 | |
CN118279564A (zh) | 气体压力密度表的数据读取方法、装置和电子设备 | |
CN114862151A (zh) | 一种面向聚酯纤维聚合过程的两阶段特征选择方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |