【技术实现步骤摘要】
本专利技术属于数据监测，具体而言涉及一种企业排放物监测数据的异常识别方法、装置、设备及介质。
技术介绍
1、随着社会工业和经济的发展，大气污染问题逐渐凸显。研究发现，大气污染物的来源主要有企业污染物排放、汽车尾气排放等，其中企业污染物排放是造成大气污染形式严峻的主要原因之一。对企业生产模式的监测是大气污染防治中十分重要的一环，其中企业用电量预测作为企业生产模式监测的基础，具有十分重要的意义。对企业进行准确用电量预测，是辨识企业异常生产模式的基础，符合当前顺利开展企业生产活动和生产情况实时监控的需求，有助于建立健全以污染源自动监控为主的非现场监管体系，提升生态环境监管效能，建立完善现代化生态环境监测体系。
2、当前，国内外学者提出的短期预测方法主要分为传统方法和人工智能方法。传统用电量预测方法主要包括时间序列法、回归分析法、指数平滑法、相似日法、模糊预测法、灰色系统法等，后来兴起的人工智能算法主要包括随机森林、支持向量机、神经网络法等。神经网络是将多个神经元按照某种规则连接起来，网络中每个神经元的权值和阈值按照某种规则变化，从...
【技术保护点】
1.一种企业排放物监测数据的异常识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的企业排放物监测数据的异常识别方法，其特征在于：所述监测数据为排放物的浓度值时间序列，所述排放物包括颗粒物、二氧化硫、氮氧化物、一氧化碳、氯化氢或者氧含量中的一种。
3.根据权利要求1所述的企业排放物监测数据的异常识别方法，其特征在于：所述第一阈值是根据所述训练数据集中的样本数据的标准差分布确定的，确定方法包括：
4.根据权利要求1所述的企业排放物监测数据的异常识别方法，其特征在于：所述将样本数据输入超标后陡降模型进行超标后陡降异常判别，包括
5....
【技术特征摘要】
1.一种企业排放物监测数据的异常识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的企业排放物监测数据的异常识别方法，其特征在于：所述监测数据为排放物的浓度值时间序列，所述排放物包括颗粒物、二氧化硫、氮氧化物、一氧化碳、氯化氢或者氧含量中的一种。
3.根据权利要求1所述的企业排放物监测数据的异常识别方法，其特征在于：所述第一阈值是根据所述训练数据集中的样本数据的标准差分布确定的，确定方法包括：
4.根据权利要求1所述的企业排放物监测数据的异常识别方法，其特征在于：所述将样本数据输入超标后陡降模型进行超标后陡降异常判别，包括：
5.根据权利要求4所述的企业排放物监测数据的异常识别方法，其特征在于：所述异常陡降阈值的是根据超标后陡降幅度的统计量确定的，确定方法包括：
6.根据权利要求1所述的企业排放物监测数...
【专利技术属性】
技术研发人员：高雷利，吕晓君，王亚男，隆重，刘健，崔莉妍，庄思源，曹娜，赵越，左文浩，
申请(专利权)人：生态环境部环境工程评估中心，
类型：发明
国别省市：
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。