一种基于高斯分布的异常水位数据生成与判别方法技术

本发明专利技术公开了一种基于高斯分布的异常水位数据生成与判别方法，包括以下步骤：采集不同站点的水位数据采集，形成具有时间序列特性的水位数据集Yall；根据开始时间和结束时间，按照时间将Yall划分为N个小集合，新的水位数据集为Y1_n；在集合Yi中随机选取一个数据点P，选取数据集合ArrM中的N点，确定高斯分布的sigma值；遍历ArrM中的所有数据；遍历Y1_n数据集合，形成最终的数据集合Map；使用水位数据集Yall，利用SVM、KNN、DBSCAN三种算法，分别形成MSVM、MKNN和MDBSCAN三个模型；遍历Map中的数据，用MSVM、MKNN和MDBSCAN进行判断，如果在三个模型中，均为非异常数据，将点从Map中移除，得到新的Mapnew，Mapnew即为得到的异常数据集。采用本技术方案可以快速度对异常水位数据进行生成，同时可以快速便捷出异常数据。

【技术实现步骤摘要】

本专利技术涉及水位异常识别，特别是一种基于高斯分布的异常水位数据生成与判别方法。

技术介绍

1、近年来，大数据、人工智能快速发展，尤其是大模型技术的创新突破，预期将给人类生产生活带来巨大的改变。大数据、人工智能等技术已经应用于交通、能源、化工等行业，并进一步在产品、运营的异常检测方面具有良好的应用前景。大数据和人工智能等算法在进行模型构建过程中，往往需要大规模数据进行训练。在行业设备运行过程中，尽管每时每刻都在产生大量的数据，但是异常数据相当较少。一方面是由于设备大多数处于正常运行的区间；另一方面，当发生异常时，设备已经将会很快被进行处理和修复。由于所采集的数据，大部分为正常数据，只有少部分为异常数据。因此，在进行模型的构建过程中，很难训练处适配性较强、异常识别度较高的模型。为了更好的将人工智能方法应用于水位数据异常的检测之中，需要在水位异常数据生成方面进行创新。

2、数据集是人工智能和大数据领域的重要组成，好的数据集对于构建好的模型具有重要的作用。

3、近年来，随着人工智能的兴起，数据量的需求越来越多，而由于自然产生数据的规模小、本文档来自技高网...

【技术保护点】

1.一种基于高斯分布的异常水位数据生成与判别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于高斯分布的异常水位数据生成与判别方法，其特征在于，所述步骤3中，根据需要新生成数据的数量M和领域值X，在领域范围内(P-X，P)∪(P，P+X)，生成M个数据，形成数据集合ArrM；。

3.根据权利要求1所述的一种基于高斯分布的异常水位数据生成与判别方法，其特征在于，所述步骤4中，在大于N+3sigma或小于N-3sigma的范围内，随机生成一个点Q，将Q放入新生成的异常数据集合Map。

【技术特征摘要】

1.一种基于高斯分布的异常水位数据生成与判别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于高斯分布的异常水位数据生成与判别方法，其特征在于，所述步骤3中，根据需要新生成数据的数量m和领域值x，在领域范围内(p-x，p)∪(p，p+...

【专利技术属性】
技术研发人员：刘道君，刘帅，洪福鑫，涂杰，赵海波，唐润，
申请(专利权)人：中国长江电力股份有限公司，
类型：发明
国别省市：