[发明专利]一种在序列组合中判定异常序列的方法

权利要求书

1.一种在序列组合中判定异常序列的方法，其特征在于，包括如下步骤：

建立m组序列A的二维网格模型，按照纵向提取的方式分别对m组所述序列A中的数据进行一维序列排列，获得n组序列T；其中，m和n均为大于1的自然数；

对每组所述序列T中的数据进行递增或递减排序，获得n组序列S；

对所述序列组S中的每个序列S_i(i＝1,2,…,n)中的数据进行逐差分析，基于相邻数据之间的差值与预设阈值的比较结果来判断该相邻数据中是否存在跳变数据点，如存在跳变数据点，则将该所述序列S_i中跳变数据点作为分段点，拟设该所述序列S_i中跳变数据点数量为k，则该序列S_i中的数据被分为k+1段子序列F_ij，其中，j＝1,2,…,k+1；取其中包含数据个数最多的一段子序列F_i,max，将该子序列F_i,max中的数据作为参考正常数据点；如不存在跳变数据点，则将该所述序列S_i中的所有数据作为参考正常数据点；基于参考正常数据点通过预设算法获得该序列S_i的参考值R_i；

根据所述参考值R_i(i＝1,2,…,n)分别对所述序列A_j(j＝1,2,…,m)中的数据P_ji进行误差比对，并判定数据P_ji是否属于异常点；根据所述序列A_j中异常点的占比大小判断A_j是否属于异常序列。

2.根据权利要求1所述的异常序列的判定方法，其特征在于，判断跳变数据点的步骤包括：设定一个分段门限值K1；然后将所述序列S_i中，相邻数据之间的差值与所述分段门限值K1比较大小；如该相邻数据之间的差值大于所述分段门限值K1，则认定该相邻数据中的一者为跳变数据点。

3.根据权利要求2所述的异常序列的判定方法，其特征在于，采用参考正常数据点确定参考值R_i的步骤包括：取序列S_i分段后包含数据最多的子序列F_i,max中的数据作为参考正常数据点，并求平均值，即作为所述参考值R_i。

4.根据权利要求3所述的异常序列的判定方法，其特征在于，当序列S_i分段后包含数据最多的子序列F_i,max的数量为多组且为奇数组时，取F_i,max最中间组的子序列中的数据作为参考正常数据点来计算所述参考值；当序列S_i分段后包含数据最多的子序列F_i,max的数量为多组且为偶数组时，取F_i,max最中间两组中任一组的子序列中的数据作为参考正常数据点来计算所述参考值R_i。

5.根据权利要求1所述的异常序列的判定方法，其特征在于，基于所述参考值判断所述异常点的步骤包括：分别设定上偏离度门限值K2和下偏离度门限值K3；如每个所述序列A_j中的数据P_ji的数值范围位于所述参考值R_i与上偏离度门限值K2之和以及所述参考值R_i与下偏离度门限值K3之差的数值范围之外，则认定该数据P_ji为异常点。

6.根据权利要求1所述的异常序列的判定方法，其特征在于，判断异常序列的步骤包括：设定一个结果判断门限值K，如序列A_j中异常点占比的数值范围大于结果判断门限值K，则判定序列A_j为异常序列。

7.根据权利要求1所述的异常序列的判定方法，其特征在于，m组序列A的各个序列长度可以相等，也可以不等；无论各个序列长度相等还是不等，只需要保证A中各个序列构建的二维网格模型中，纵向坐标按照特定属性对齐即可；在各个序列长度不等的情况下，序列中缺失的数据点不参与参考值的计算和结果占比的计算即可。