[发明专利]一种基于预测和动态阈值的Argo剖面异常检测方法

摘要

本发明公开了一种基于预测和动态阈值的Argo剖面异常检测方法，对于给定的Argo剖面时间序列PN＝{p1,p2,…,pn}，其剖面观测值序列为ON＝{o1,o2,…,on}，(1≤i≤n)。定义待测剖面点pi的k‑近邻剖面点序列ζi，建立ARMA预测模型，将ζi作为输入参数获得ti时刻对应的剖面预测值利用中心极限定理计算ti时刻对应阈值thi。通过判断ti时刻对应的剖面观测值oi是否在置信区间内来判断ti时刻对应待测剖面点pi是否异常。若oi在阈值范围thi内，则pi为正常剖面点，令flag＝1；若oi在阈值范围thi外，则pi为异常剖面点，令flag＝0。后移滑动窗口一位，重复上述过程，直至检测完所有的待测剖面点。该方法可以准确的判断出正常剖面点或者异常剖面点，异常检测的可靠性高。

主权项

一种基于预测和动态阈值的Argo剖面异常检测方法，其特征在于，具体包括如下步骤：1)选取待测的Argo文件，对Argo文件中的数据属性进行预处理，提取数据属性，并设置待测剖面点的Argo文件的剖面时间序列为Pn＝{p1,p2,…pi,…,pn}、k‑近邻剖面点序列的宽度k和置信度p，待测剖面点的剖面观测值序列为On＝{o1,o2,…,oi,…on}，(1≤i≤n)；2)定义待测剖面点pi的k‑近邻剖面点序列ζi＝{pi‑2k,pi‑2k+1,…,pi‑1}；3)建立ARMA预测模型，将ζi作为输入参数获得ti时刻对应的剖面预测值4)利用中心线极限定理计算ti时刻对应的阈值thi，得到置信区间5)为了遍历所有的剖面子序列，选用滑动窗口技术，判断步骤1)中的剖面观测值oi是否在步骤4)中得到的置信区间内，若oi在阈值thi的范围内，则pi为正常剖面点，令flag＝1，后移一位滑动窗口，执行步骤5)；若oi在阈值范围thi外，则pi为异常剖面点，令flag＝0，后移一位滑动窗口，用步骤3)得到的剖面预测值替换oi，继续执行步骤4)，直至检测完所有的待测剖面点后，执行步骤5)；5)判断经过步骤4)后得到的正常的剖面点pi是否满足i<n，若满足，则i＝i+1，跳至步骤3)；若不满足，则执行步骤6)；6)对Pn的异常检测结束，输出经过上述步骤，完成对Argo文件的剖面异常检测。