[发明专利]一种城市洪涝积水监测数据清洗方法

权利要求书

1.一种城市洪涝积水监测数据清洗方法，其特征在于，包括步骤：

S1、采用插补算法对城市洪涝积水监测数据的缺测值进行数据插补；

S2、基于差值判别算法筛选异常数据点；

S3、根据筛选出的异常数据点判定数据首次峰值或首次谷值的变化为异常波动，包括：

计算相邻两个数据点的变化率ω_i：

依次计算相邻两个点的变化率，当第一次出现ω_k与第一个变化率ω_j的正负符号相反时，则产生第一个峰值或谷值α_k-1；

计算数据点从α_j-1到α_k-1的平均变化率

当阈值γ时，则α变化率异常；

在峰值或谷值产生后，且再次发生ω正负符号改变或|ω|≤γ时，则判定从α_j到α_l为一个数据变化的波峰或波谷，并计算α_j到α_l的间隔时间Δt_ω：

Δt_ω＝t_l-t_j

其中，t_l和t_j分别为数据α_l和α_j对应的时间；

S4、计算首次峰值或首次谷值变化后续数据在执行总时间内的波动变化的频率，当变化的频率大于积水连续波动最小频率的经验值时，则判定执行总时间内的数据波动具有连续性；

S5、采用滑动平均算法对S2、S3和S4中的异常数据进行修正。

2.根据权利要求1所述的城市洪涝积水监测数据清洗方法，其特征在于，S1中采用插补算法对城市洪涝积水监测数据的缺测值进行数据插补，包括：

其中，α_qi为缺测数据，i＝1，2，3......为缺测数据的时间顺序，α_m为缺测前最后一位实测数据，α_n为缺测后第一位实测数据，Δt为α_m和α_n的时间间隔，Δt₀为监测周期。

3.根据权利要求2所述的城市洪涝积水监测数据清洗方法，其特征在于，S2中基于差值判别算法筛选异常数据点，包括：

计算相邻两个数据点α_i和α_i+1的差值：

Δα＝α_i+1-α_i

其中，Δα为两个相邻数据点的差值，当|Δα|＜β时，β为阈值，则数据点的深度变化为正常情况；当|Δα|≥β时，则后一个数据点为异常变化。

4.根据权利要求3所述的城市洪涝积水监测数据清洗方法，其特征在于，S4中计算首次峰值或首次谷值变化后续数据在执行总时间内的波动变化的频率

其中，s为α_l+1到之间所产生的所有峰值或谷值个数，为执行总时间。

5.根据权利要求4所述的城市洪涝积水监测数据清洗方法，其特征在于，S5中采用滑动平均算法对S2、S3和S4中的异常数据进行修正，包括：

其中，α′_i为α_i的修正值，α_z为异常数据序列或单个异常值之后的第一个数据，α_j-1为异常数据α_j之前的最后一个数据。