[发明专利]一种数据的多维度预警分析判断方法

说明书

本发明涉及涉及市政管网、设备运行状态分析技术领域，具体提供一种数据的多维度预警分析判断方法，包括：对历史数据进行判断摒除异常数据，再分析数据与时间周期的关系，通过算术平均法建立具备时间周期的数据参照标准。根据数据算术平局中误差值(标准差)作放大作为设置参数，将数据平均曲线进行上下阈值扩展，并生成为带状曲线告警曲线，从而极大地提高管网运行参数的阈值控制精度；从根本解决了传统以最大最小值的粗犷阈值范围；同时依据数据变化与时间坐标的斜率结合矢量方向等多维度对管网数据做动态分析。

技术领域

本发明涉及市政管网、设备运行状态分析技术领域，尤其涉及一种数据的多维度预警分析判断方法。

背景技术

伴随物联网技术的不断发展，已经实现了对管网、设备运行参数的实时采集，这些海量的实时运行参数，为建立完善系统监管提供了可靠的基础，但是目前大多数的监测运行参数未能充分筛选、计算、提炼、AI学习形成更具价值的参考数据。

如何利用海量数据对管网、设备运行状态进行实时监测，为突发事件提供预警机制成为数据应用的核心功能。如何充分高效地对这些数据加以分析应用，成为各行业关注的焦点问题。传统管网以及设备运行参数告警设置方法是：采用某时间段内的最大值、最小值组为越限告警值，只要参数超过指定的最大值、最小值作为告警机制；这种方法只能局限于数据峰值较大范围的约束，也未能分析数据变化趋势，对具备时间周期性的数据进行动态预判性计算与分析。

发明内容

为解决现有技术中存在的技术问题，本发明提供了一种数据的多维度预警分析判断方法；其针对具备时间规律类型数据，通过对已有历史数据建立数据参照标准，提高参数阈值控制精度；结合数据变化斜率与矢量方向等多维度地对管网数据进行动态分析方法。

具体地，本发明提供的技术方案如下：一种数据的多维度预警分析判断方法：包括如下步骤：

(1)对异常的历史数据进行判读与摒弃

作为数据采集与分析工作其中最基本、最重要求是确保数据的精确性，一旦所采集的数据失准对数据分析与应用结果将是颠覆性与灾难性的影响，导致数据失准有一下几种因素；操作人员、设备性能、环境干扰；异常数据将导航无法构建准确的数据参照标准，从而无法实现数据的多维度预警分析判断方法，因次必须对异常数据进行判读与摒除。

1.1拉依达判断法

首先针对粗大误差数据的判读，具体的判定原理如下：假定某一组测试数据当中只包含随机误差，通过计算处理可以获得标准偏差，根据特定的概率可确定出一个区间范围，如果误差超出这个区间范围，则可将之判定为粗大误差，含有粗大误差的数据则为异常数据，需要进行剔除。该方法可对正态或是接近正态分布的数据进行有效处理，应用时，需要确保测试次数充分，若是测试次数不足，则会造成粗大误差的可靠性降低。所以当测试次数较少时，不宜采用该方法对异常数据进行判断。该方法具体的判断过程如下：

对被测试量进行等精度测量，由此可获得X1,X2,…Xn，随后求取算术平均值x和剩余误差Vi，其中Vi可用下式表示：

Vi＝Xi-X (1)

上式中i＝(1,2,…n)，在根据贝赛尔公式可以计算出标准偏差σ。如果某个测量值xb的剩余误差vb(1≤b≤n)，并满足下式：

|vb|＝|xb-x|3σ (2)

则可认为xb是含有粗大误差值的坏值，应当予以剔除。

1.2格拉布斯判断法

这种方法是以测试量的正态分布作为判断前提，该方法较为严谨，操作过程也比较简便。该方法的判定原理如下：当某个测量值的残余误差的绝对值|Vi|Gg时，则可判定该值当中存在相对较大的误差，应当对误差进行剔除。该方法对异常数据的判断过程如下：