[发明专利]一种基于ARIMA-SVR的水文时间序列异常值检测方法

摘要

本发明公开了一种基于ARIMA‑SVR的水文时间序列异常值检测方法，包括以下步骤：首先获取水文时间序列数据，对水文时间序列进行ARIMA拟合，ARIMA模型可以很好的拟合数据的线性部分，但当数据中存在非线性部分时，拟合效果较差；然后得到ARIMA部分的残差，用10折交叉验证的方法寻找出SVR最佳的gamma、cost和核函数的组合；最后将两部分拟合值相加得到最终的预测值，并求出置信度为p的置信区间，将预测值与置信区间比较，在置信区间之外的就判定为异常值。本发明为水利相关从业者提供了一种寻找水文时间序列中异常值的方法，水文时间序列中的异常值检测对于防汛抗旱等工作具有重要的指导意义。

主权项

1.一种基于ARIMA‑SVR的水文时间序列异常值检测方法，其特征在于，包括如下步骤：步骤1：取待检测值的前n个值，形成水文时间序列，对水文时间序列进行平稳性检验，如果通过，进入下一步；如果不通过，对序列持续差分直到差分后的序列满足平稳性检验；步骤2：通过步骤1得到模型的差分阶数d；以AIC信息准则为准，限定自回归的阶数p和移动平均阶数q的范围，遍历(p,q)组合，找出具有最小AIC值的(p,q)组合；步骤3：将上述步骤中确定的最优p，d，q应用于ARIMA模型预测t时刻的值，同时得到置信度为α的置信区间；步骤4：将步骤3中的得到的预测值与实际值相减得到残差，作为训练集输入到SVR；步骤5：针对非线性回归问题，先使用非线性函数把训练集中的样本数据映射到一个高维特征空间，并在这个高维特征空间进行线性回归；训练样本x_i满足如下条件：y_i(x_i*ω+b)‑1+ξ_i≥0其中ξ_i称为松弛变量，且满足ξ_i≥0，i＝1,2,3…n；步骤6：采用10折交叉验证的方法，其中ε‑不敏感损失函数选择核函数选择径向基函数，寻找出最佳的gamma、cost的组合；步骤7：利用步骤6中得到的最佳参数构建SVR模型，然后预测出残差；步骤8：将步骤3和步骤7得到的预测值相加，得到最终的预测值同时计算出置信度为α的置信区间，其中置信度定义了预测值在置信区间范围内的预期概率；步骤9：比较实际值与置信区间的关系，如果实际值在预测区间之外则为异常值，否则为正常值。