【技术实现步骤摘要】
一种基于特征互相关性和概率密度的数据异常分析方法
本专利技术涉及环保领域中连续烟气监测系统数据异常的研究，尤其涉及到一种基于特征互相关性和概率密度的数据异常分析方法，其适用于各类生产制造业废气监测系统。
技术介绍
随着现代工业程度的快速发展，环境污染和生态破坏日益严重引起了世界各国的广泛关注。连续烟气监测系统CEMS(ContinuousEmissionMonitoringSystem,CEMS)作为一种监控设备，可以连续、实时、在线监测污染物排放总量的目标。CMES作为污染物排放监测中的重要组成部分得到了越来越多的重视。它不仅是智慧工厂的重要的研究方向，还可以在智慧城市、智能生产等智能系统中起着重要的作用。以往关于工厂生产废气监测的研究，其主要是通过建立异常数据经验判断法，依靠经验初步剔除可以的数据，并采用现场核定法，使用统计学二次判定。以往对于工厂废气数据并没有做出深入的探究；由于废气采样数据通道较多，数据较为复杂，找出其中异常数据也较为困难。基于工厂中连续烟气监测系统多路传感器采集到的工厂废气数据，在不改变原有数据和设...
【技术保护点】
1.一种基于特征互相关性和概率密度的数据异常分析方法，其特征在于：基于连续烟气监测系统CEMS采集到废气污染物数据，进行筛选和预处理后，计算每个数据特征与各个数据特征之间的互相关系数，找出存在明显相关性并且呈现正相关性的数据特征，根据找出的数据特征的相关系数值来判断数据是否异常；/n其余不具备明显相关性的数据特征，利用非参数估计的Parzen窗方法进行概率密度函数估计出各数据特征的概率密度，根据概率密度确定正常数据特征的区间，如果数据特征值超过区间值，则判断为异常数据。/n
【技术特征摘要】
1.一种基于特征互相关性和概率密度的数据异常分析方法，其特征在于：基于连续烟气监测系统CEMS采集到废气污染物数据，进行筛选和预处理后，计算每个数据特征与各个数据特征之间的互相关系数，找出存在明显相关性并且呈现正相关性的数据特征，根据找出的数据特征的相关系数值来判断数据是否异常；
其余不具备明显相关性的数据特征，利用非参数估计的Parzen窗方法进行概率密度函数估计出各数据特征的概率密度，根据概率密度确定正常数据特征的区间，如果数据特征值超过区间值，则判断为异常数据。
2.根据权利要求1所述的基于特征互相关性和概率密度的数据异常分析方法，其特征在于，所述筛选和预处理包括：
所述筛选为删除和过滤数据中的缺失值，所述预处理为筛选后的数据进行包括均值、方差、最小值、最大值、中位数和分位数的统计值描述。
3.根据权利要求2所述的基于特征互相关性和概率密度的数据异常分析方法，其特征在于，...
【专利技术属性】
技术研发人员：任红军，朱晓然，牛小民，魏建华，徐敏杰，
申请(专利权)人：汉威科技集团股份有限公司，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。