[发明专利]原位水质巡检数据时空分析与异常检测方法和系统

权利要求书

1.原位水质巡检数据时空分析与异常检测方法，其特征在于，包括如下步骤：

S1、获取时空序列数据并进行时间序列异常检测和判定；

S2、针对时间序列异常数据点划分邻域空间，获得邻域点位集合和时刻的时间邻域；

S3、获取时间序列变化趋势特征向量；

S4、计算向量相似度，通过相似度判断其为时空异常数据点还是时间异常数据点。

2.根据权利要求1所述的原位水质巡检数据时空分析与异常检测方法，其特征在于，步骤S1中，使用IForest、PCA、HBOS、KNN四种统计分布异常检测算法碰撞的结果以及时间序列异常建模的打分结果进行融合判定，且对所有维度进行单独建模，结果可获得被判断为异常的维度。

3.根据权利要求1所述的原位水质巡检数据时空分析与异常检测方法，其特征在于，步骤S2中，进行时间序列异常判定之后，针对已判断为时间序列异常的数据点的坐标位置信息，通过泰森多边形和K-means聚类算法进行空间邻域的划分，得到观测点的邻域点位集合SN_i＝{S₁，S₂，...，S_n|i，j＜n}，且确定时刻t的d时间邻域TN_t＝{T_t-d，...，T_t，...，T_t+d}。

4.根据权利要求3所述的原位水质巡检数据时空分析与异常检测方法，其特征在于，建立泰森多边形的步骤如下：

a)通过离散点构建Delaunay三角网，并对离散点和形成的三角形进行编号，记录每个三角形是由哪三个离散点构成的；

b)找出并记录与每个离散点相邻的所有三角形的编号，在已构建的三角网中找出具有一个相同顶点的所有三角形；

c)对与每个离散点相邻的三角形按顺时针或逆时针方向排序，以便连接生成泰森多边形；

d)计算并记录每个三角形的外接圆圆心；

e)根据每个离散点的相邻三角形，连接这些相邻三角形的外接圆圆心，得到泰森多边形。

5.根据权利要求4所述的原位水质巡检数据时空分析与异常检测方法，其特征在于，步骤c)中，设离散点为o，找出以o为顶点的一个三角形，设为A；取三角形A除o以外的另一顶点，设为a，则第三个顶点也可找出，设为f；则下一个三角形必然是以of为边的，即为三角形F；三角形F的另一顶点为e，则下一三角形是以oe为边的，如此重复进行，直到回到oa边。

6.根据权利要求4所述的原位水质巡检数据时空分析与异常检测方法，其特征在于，步骤e)中，对于三角网边缘的泰森多边形，可作垂直平分线与图廓相交，与图廓一起构成泰森多边形。

7.根据权利要求1所述的原位水质巡检数据时空分析与异常检测方法，其特征在于，步骤S3中，针对已判断为时间序列异常数据点的邻域空间内的所有点位，获取其在时刻t的d时间领域的异常维度的序列数据，通过时间序列分段线性表示算法拟合序列数据，并求得每段的斜率值，将序列数据的变化趋势特征提取为相应的模式集合，得到变化趋势特征向量。

8.根据权利要求7所述的原位水质巡检数据时空分析与异常检测方法，其特征在于，使用自底而上的时间序列分段线性表示算法拟合序列数据，使用最小二乘法求得每段的斜率值。

9.根据权利要求8所述的原位水质巡检数据时空分析与异常检测方法，其特征在于，自底而上的时间序列分段线性表示算法具体如下：

将时间序列划分为相邻点的短序列，此时第一点和第二点的连线，原始点落在线段上，将相邻两个线段连接起来，此时每条线段包含三个原始点，计算中间点的拟合误差，得到所有三点线段中的中间点的拟合误差结果后，找出误差最小且误差小于阀值R的分段，在此基础上，第一条分段同样的和相邻线段连接，然后计算每一条分段的拟合误差，再找出误差最小且小于阀值R的分段，作为第二个分段，依此方式循环，直到所有分段的拟合误差都小于阀值R，分段结束。