[发明专利]一种在线河网时空异常事件检测方法有效
申请号: | 201510206245.4 | 申请日: | 2015-04-27 |
公开(公告)号: | CN104809205B | 公开(公告)日: | 2018-03-20 |
发明(设计)人: | 毛莺池;接青;贾必聪;平萍;王龙宝;许峰;周晓峰 | 申请(专利权)人: | 河海大学 |
主分类号: | G06F17/30 | 分类号: | G06F17/30;H04W84/18 |
代理公司: | 南京苏高专利商标事务所(普通合伙)32204 | 代理人: | 李玉平 |
地址: | 211100 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 在线 河网 时空 异常 事件 检测 方法 | ||
1.一种在线河网时空异常事件检测方法,其特征在于,包括以下步骤:
(1)利用连通支配集算法选择骨干节点,在线监测骨干节点的时间和空间状态,代替监测全部节点;
(2)用马尔科夫链模拟时间过程,根据步骤(1)选出的骨干节点单独的经过马尔科夫链,利用状态之间转移概率预测事件发展变化趋势;当经过马尔科夫链时,如果预测的骨干节点传感器状态有一段时间序列τ与实测的传感器状态X(si,t+τ)不一致时,认为发生了时间异常;
(3)河网传感器的空间分布用贝叶斯网络表示,把每个传感器看做贝叶斯网络的一个节点,河流的流向看作贝叶斯网络边的方向;可以把传感器网络看成是一个有向无环的贝叶斯网络,用贝叶斯网络推测空间事件的出现概率判断是否发生空间异常;
(4)根据马尔科夫状态转换看河网中骨干节点是否有时间异常事件发生,然后根据贝叶斯网络预测骨干节点是否有空间异常事件发生,最后判定是否有时空异常事件发生,时间和空间相关性模型将互相协调来检测时空异常事件。
2.根据权利要求1所述的在线河网时空异常事件检测方法,其特征在于,所述步骤(1)的具体步骤为:
(1.1)标记过程:初始化时,所有节点都是非支配节点;每个节点u与在其通信半径内Ru的邻居交换各自邻居的信息,此时节点u根据邻居信息,判断是否存在两个不能直接相互通信的邻居节点v和w,若存在,则节点u作为候选支配节点参与构建CDS,否则表明节点u可以被其他节点控制,不作为CDS节点;
(1.2)剪枝规则:通过标记过程得到的候选支配节点数量过多,候选支配节点需要根据剪枝规则,减少支配节点集的数量;如果候选支配节点u的K个邻居节点可以通过其他支配节点进行通信,那么从CDS中删除节点u得到的节点集仍是CDS,因此从候选支配节点集中删除节点u,节点u成为非CDS节点;
(1.3)连通支配集中的节点作为骨干接点,只需要监测骨干节点的数据流代替监测所有节点;这种策略能保证未被选择的节点能从它的邻居节点中发现至少一个骨干节点,当异常事件发生在未被选择的非骨干节点附近时,能尽快的传播到骨干接点,能迅速检测到异常的发生,减少损失。
3.根据权利要求1所述的在线河网时空异常事件检测方法,其特征在于,所述步骤(2)用马尔科夫链模拟时间过程,通过比较预测值与实测值,判断是否发生时间异常;具体过程如下:
(2.1)马尔科夫链是离散时间点上的一个有限或者可数的事件序列(E1,E2...)的集合,在任何时间,过程未来的行为仅仅取决于当前的状态,与之前的状态无关;用马尔科夫链模拟时间过程,根据步骤(1)选出的骨干节点单独的经过马尔科夫链,利用状态之间转移概率预测事件发生的状态;
(2.2)传感器监测河网中游离氯浓度被量化成3种状态的传感器流单独经过马尔科夫链,首先定义当前的状态,然后预测下一步的状态;
(2.3)传感器偏离正常时间行为可以看作是噪音或者作为一个时间异常事件;由于偏离频繁的出现,所以否定了噪音这一可能性,因此,连续出现的偏离可以看做时间异常事件,当经过马尔科夫链时,如果预测的骨干节点传感器状态有一段时间序列τ与实测的传感器状态X(si,t+τ)不一致时,认为发生了时间异常。
4.根据权利要求1所述的在线河网时空异常事件检测方法,其特征在于,所述步骤(3)用贝叶斯网络模拟传感器之间的空间相关性,具体过程如下:
(3.1)为河网构建贝叶斯网络G来模拟传感器节点和它邻居节点的空间关系,把每个传感器看作贝叶斯网络的一个节点,河流的流向看作贝叶斯网络边的方向,所以可以把传感器网络看成是一个有向无环的贝叶斯网络;
(3.2)贝叶斯网络的训练数据由S元组组成,代表传感器的状态;可以从历史数据集中产生训练数据,然后可以用极大似然估计算法来学习得到贝叶斯网络的参数;
(3.3)训练阶段过后,对每个传感器,能得到一张条件概率表,根据条件概率表预测传感器的状态;对比预测状态和真实观测状态,如果传感器Si的观测值不属于那个状态,认为真实值偏离了学习获得的空间关系,有空间异常发生。
5.根据权利要求1所述的在线河网时空异常事件检测方法,其特征在于,所述步骤(4)时间和空间相关性模型将互相协调来检测时空异常事件,具体过程如下:
(4.1)根据步骤(1)选出的骨干节点,根据步骤(2)看骨干节点是否有时间异常事件发生;如果骨干节点发生了时间异常,将发生时间异常的骨干节点的孩子节点作为候选集;如果没有发生时间异常,继续检测骨干节点下一个时间戳状态;
(4.2)根据步骤(3)将发生时间异常的骨干节点及其候选集的节点通过贝叶斯网络学习获得的预期状态与观测状态做比较,看是否传感器Si偏离了学习获得的空间关系;
(4.3)如果骨干节点SE与SI不同,发生空间异常,由于时间异常,时空异常计数器的值加1,其中SE为传感器节点预测值,SI为观测值;
(4.4)如果候选集中的节点被检测出有空间异常,那么候选节点的孩子节点也加入到候选集;同时检测发生空间异常的候选集中节点是否有时间异常,如果有,时空异常计数器加1,同理,继续检测候选集中节点是否有空间异常,如果有,检测时间异常,发生时间异常,时空异常计数器加1;当骨干节点及它的候选集时空异常的数目达到阈值Q时,便认为发生时空异常事件。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河海大学,未经河海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510206245.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种用于呈现应用信息的方法和装置
- 下一篇:电力图纸版本管理系统及方法