[发明专利]基于双时间窗口验证的水质监测噪音数据实时检测方法有效

专利信息
申请号: 201710523755.3 申请日: 2017-06-30
公开(公告)号: CN107346301B 公开(公告)日: 2020-09-04
发明(设计)人: 岳勇;朱晓辉;张晋;张一新;王威 申请(专利权)人: 西交利物浦大学
主分类号: G06F17/18 分类号: G06F17/18
代理公司: 南京钟山专利代理有限公司 32252 代理人: 戴朝荣
地址: 215123 江苏省苏州市*** 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: 基于 时间 窗口 验证 水质 监测 噪音 数据 实时 检测 方法
【权利要求书】:

1.一种基于双时间窗口验证的水质监测噪音数据实时检测方法,其特征在于:包括如下步骤:

一、获取第一历史时间窗口内的第一历史水质数据,并基于所述第一历史时间窗口的第一历史水质数据计算水质数据的第一预测区间;

二、获取实时采集的实时水质数据,并判断所述实时水质数据是否落在所述第一预测区间内,如果是,则判断所述实时水质数据为正常数据,如果否,则执行步骤三;

三、从所述实时水质数据开始按时间倒序获得第二历史时间窗口内第二历史水质数据,并基于所述第二历史时间窗口的第二历史水质数据计算水质数据的第二预测区间;

四、判断所述实时水质数据是否落入所述第二预测区间,如果是,则判读所述实时水质数据为正常数据,如果否,则所述实时水质数据为噪音数据;

所述步骤一包括如下步骤:

选择一个连续时间段内的历史水质数据作为模型训练数据,并均分为Y组,其中,Y为正整数;

计算每一组所述模型训练数据的残差,并计算Y组所述历史水质数据的残差平均值;

通过十字交叉法计算所有所述模型训练数据的残差标准差;

利用delta学习算法确定所述第一历史时间窗口内每个历史水质数据的初始权重系数,并根据所述模型训练数据得到的残差标准差计算出待采集的下一个水质数据的第一预测值;

基于学生分布函数和所述第一预测值计算出待采集的下一个水质数据的第一预测区间。

2.根据权利要求1所述的基于双时间窗口验证的水质监测噪音数据实时检测方法,其特征在于:所述步骤三包括如下步骤:

利用delta学习算法确定所述第二历史时间窗口内每个数据的初始权重系数,并根据步骤一得到的残值标准差计算出待采集的下一个水质数据的第二预测值;

基于学生分布函数和所述第二预测值计算出所述待采集的下一个水质数据的第二预测区间。

3.根据权利要求1所述的基于双时间窗口验证的水质监测噪音数据实时检测方法,其特征在于:在步骤二和步骤四中,如果所述实时水质数据为正常数据,则按时间序列删除时间窗口中的第一个水质数据,并补入所述实时水质数据,构造新的时间窗口。

4.根据权利要求1所述的基于双时间窗口验证的水质监测噪音数据实时检测方法,其特征在于:在步骤四中,如果所述实时水质数据为噪音数据,则按时间序列删除时间窗口中的第一个水质数据,并加入基于所述时间窗口计算得到的水质数据的预测值,构造新的时间窗口。

5.根据权利要求3或4所述的基于双时间窗口验证的水质监测噪音数据实时检测方法,其特征在于:所述时间窗口内的数据按先进先出的队列模式并根据时间序列进行动态调整。

6.根据权利要求1-4任一所述的基于双时间窗口验证的水质监测噪音数据实时检测方法,其特征在于:所述第一历史时间窗口和所述第二历史时间窗口内的数据初始权重系数随时间窗口的变化而进行动态计算。

7.根据权利要求1所述的基于双时间窗口验证的水质监测噪音数据实时检测方法,其特征在于:利用第二个历史时间窗口对可能是噪音数据进行二次验证。

8.根据权利要求1-4任一所述的基于双时间窗口验证的水质监测噪音数据实时检测方法,其特征在于:在步骤四之后,还包括如下步骤:返回步骤一,对后续的水质数据进行噪音数据检测。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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西交利物浦大学,未经西交利物浦大学许可,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/201710523755.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top