拉依达（PauTa）准则与异常值剔除

针对用拉依达准则剔除异常值时要求有足够多的测量数据，且剔除方法较繁等问题，本文着重讨论了拉依达准则的适用并予以证明；推导出变化的贝塞尔公式，为循环剔除异常值提供了简便方法。     

拉依达(PauTa)准则与异常值剔除

针对用拉依达准则剔除异常值时要求有足够多的测量数据，且剔除方法较繁等问题，本文着重讨论了拉依达准则的适用条件，并予以证明；推导出变化的贝塞尔公式，为循环剔除异常值提供了简便方法。     

连续压实质量检测参数单点异常值识别及处理

为解决现行连续压实检测参数异常值识别及处理方法未考虑数据空间分布特征的问题,结合地统计学的半变异函数,提出基于自相关距离的近邻加权估计识别法,并定义单点异常值判定指标:异常指数αi,将异常值剔除后,利用普通克里金插值法对原异常值点处的数据进行估计,并通过沪昆高铁娄底试验段进行了连续压实质量检测试验验证.结果表明:当某点的异常指数αi0.2时,可判定其为单点异常值点;相比于现行的拉依达准则(3σ准则)识别方法,基于自相关距离的近邻加权估计法具有更高的准确度和识别效率;普通克里金插值法能够更为准确地估计单点异常值处的数据,降低数据的变异系数,提高连续压实质量检测参数的均匀性.     

基于消错决策理论的数据质量评估方法

针对移动群智感知中数据质量难以保障和评估的问题,从规避错误的角度出发,提出了一种基于消错决策理论的移动群智感知数据质量评估方法。通过引入消错决策理论来评估移动用户所提供的感知数据质量,对低质量及异常数据进行识别;考虑到不同感知任务具有不同的数据质量需求,引入权值因子实现数据质量的排序与优化评估。实验结果表明:所提出的方法不仅达到了对低质量和异常数据的准确识别的目标,还实现了对不同任务下的数据质量按需排序。在对低质量和异常数据识别方面,相对于拉依达准则,具有更高的识别准确性;在对数据质量排序上,相对于理想点法、TOPSIS法,具有准确性高和简单高效的优点。     

信号预处理中错点剔除方法的研究

对工程信号进行错点剔除,是信号预处理中的一项重要内容.本文分析了统计学中用于错点剔除的肖维勒准则、狄克逊准则、格拉布斯准则和拉依达准则,针对上述各项准则在处理大样本信号中的局限性,引入一种新式错点剔除方法,并用拉依达准则与此方法对一段实际工程信号进行处理对比,结果表明,新式错点剔除方法能够更好地剔除错点.     

基于BP神经网络的松花江四方台水质预测

为实现松花江四方台CODMn的预测,应用人工神经网络技术(ANN),在预测模型中采用LM(Levenberg-Marquardt)算法提高网络的收敛速度,并采用提前停止法提高网络的推广能力.ANN样本集数据来源于1997～1999年3年的四方台监测站日检测水质数据.采用拉依达准则法剔除样本集异常数据.为更有效地评估预测模型的准确性,将松花江分为丰雨期、封冻期和其他月份来分别考察预测效果.并对1999年以后近期与远期的水质预测效果进行对比.结果表明:丰雨期预测效果最差,封冻期最好,其他月份介于之间,模型对近期水质的预测效果要明显好于对远期的预测效果.整体预测效果不错,可用于指导实际的水质管理.     

粗大误差判定准则在靶场试验数据预处理中的应用

针对靶场试验测量数据处理误差分析的问题,对统计学中常用的四种粗大误差判定准则应用特点进行分析。结合靶场某次试验单台设备的测量数据,分别用四种判定准则进行数据预处理,提出了靶场数据预处理遵循的原则。研究结果表明,实时和事后数据预处理采用不同的准则进行判定,需要将四个准则综合应用。改进了以往单一使用拉依达准则预处理的办法,实例验证了合理性和有效性。对试验数据预处理方法的研究,旨在利用试验数据对被试飞行器的性能做出合理的鉴定。     

一种基于长短记忆模型的交通轨迹异常挖掘模型

针对现有异常轨迹检测方法没有捕捉轨迹数据时序特征,不能有效识别业务异常和新型异常等问题,提出基于长短记忆模型的异常轨迹挖掘模型.首先通过优化长短记忆模型进行轨迹预测,然后基于进化理论将预测轨迹转化为异常轨迹,从而构建了基于长短记忆模型的异常判别模型.该模型可以有效地识别业务异常和新型异常,提高了异常检测的精准度和可扩展性,同时适用于无标签数据,解决了传统神经网络必须应用于有监督学习的问题.最后通过与改进的密度聚类算法和马尔科夫过程的对比实验验证了该模型在交通轨迹异常检测的优越性.     

多源非平衡交通检测数据的异常识别方法

为保证交通检测数据的准确性并服务于实时的交通状态判别和预测,交通大数据采用多种检测源数据协同处理并利用机器学习的方法进行异常识别.异常检测数据的识别主要基于机器学习中AdaBoost方法实现.在算法的训练过程中,为消除单一检测源数据的离群现象,训练数据选取同一路段上多种检测源提供的数据集.在算法的决策过程中,通过代价敏感方法的优势来改进AdaBoost的决策.实验结果表明:基于非均衡特性改进的AdaBoost模型迫使分类器更加关注了待识别的异常样本,增强了AdaBoost决策过程中训练决策树规则的代表性,提高了异常类样本的分类准确率.高速公路实例检测数据集验证了改进算法与相关经典算法的检测准确度、误检率、误警率等指标,其中改进模型与原模型相比,准确率提高了5.547%,误检率减低了6.792%.多种算法的ROC曲线对比表明改进的AdaBoost方法筛选交通检测样本的可靠度更高,可有效调整由非平衡数据导致的分类误差.     

用电采集系统停上电事件的数据质量辨识技术

为解决智能配电网抢修服务平台中数据质量缺陷对预警抢修精准度产生负面影响的问题,提出一种针对用电信息采集系统停上电信息的数据质量处理方法.首先使用回归方法对数据整体异常率进行辨识,其次依据完整性、唯一性、一致性、准确性各项辨识指标对停上电数据缺陷进行辨识与处理,最后分析最新数据与历史数据之间的显著关系,辅助实现数据时效性辨识.该方法对源数据的质量进行辨识与处理,为后期平台建设中信息集成和故障研判的开发运行提供可靠的数据支撑.     

用电采集系统停上电事件的数据质量辨识技术

为解决智能配电网抢修服务平台中数据质量缺陷对预警抢修精准度产生负面影响的问题,提出一种针对用电信息采集系统停上电信息的数据质量处理方法.首先使用回归方法对数据整体异常率进行辨识,其次依据完整性、唯一性、一致性、准确性各项辨识指标对停上电数据缺陷进行辨识与处理,最后分析最新数据与历史数据之间的显著关系,辅助实现数据时效性辨识.该方法对源数据的质量进行辨识与处理,为后期平台建设中信息集成和故障研判的开发运行提供可靠的数据支撑.     

基于前景区域生成对抗网络的视频异常行为检测研究

为提高视频异常行为检测的准确率,本文提出了一种基于前景区域生成对抗网络的改进方法。通过提取实际视频帧的前景和背景掩码,确定生成对抗网络输出视频帧的待检测前景区域。针对待检测前景区域,应用前景区域峰值信噪比准则,计算异常行为检测得分,完成视频异常行为检测。实验结果表明,本文的检测方法在Avenue数据集、UCSD-Ped1数据集、UCSD-Ped2数据集上均能有效提高视频异常行为检测准确率,并能降低检测运行时间。     

小样本道路旅行时间数据中的异常点剔除算法

利用车牌照匹配技术获取的小样本旅行时间数据中通常夹杂大量异常点,无法直接用以表征当前交通状态及交通旅行时间数据的动态、离散、小样本等特性,在传统剔除算法的基础上,提出了一种统计分析与模糊C均值聚类相结合的异常点剔除新方法。将新剔除方法与传统剔除方式效果进行分析比较,得出一种精确度较高的异常点剔除方法。仿真结果表明,该方法在处理交通小样本数据上,大幅度提高了异常点检测的准确性,能够有效过滤异常数据。     

大型桥梁动力检测测点优化的改进遗传算法及其应用

回顾了基于动力检测的传感器优化布置准则和方法,提出了一种应用改进遗传算法,服务于大型桥梁动力检测的测点优化方法,并将该方法具体应用到了哈尔滨四方台大桥的动力检测中.该算法改进了约束条件,对于传统遗传算法在大型结构应用时收敛慢且易陷入局部最优的缺陷进行了自适应和全面交叉改进,这种改进大大加快了收敛速度,并确保该算法能搜索到最优值.把经典的优化准则———有效独立准则,模态置信准则,模态应变能准则等以适应度的形式嵌入改进遗传算法中,得出各自的优化布置.通过对哈尔滨四方台大桥模型的仿真分析,证明改进的遗传算法在搜索能力、计算效率、可靠性等相对于传统遗传算法有较大的改善,搜索能力明显优于经典的序列法.在此基础上选取三种典型方法应用于哈尔滨四方台大桥的检测中,用实际采样得到的响应数据进行模态参数辨识,得出了该结构的振型,通过实际应用证明了上述方法的可行性.     

动态交通数据质量评价方法研究

为了保证交通管理系统所获得数据的准确性,在分析缺失数据、异常交通状态数据和错误数据3种非正常交通数据分类及特点的基础上,针对缺失数据设计了存在性评价方法,运用增益放大原理建立了异常性评价法,首次将异常性评价引入交通数据质量评价过程,基于正态分布的68-95-99.7法则,利用纵向时间序列建立了评价数据真实性的动态阈值评价法,并给出这3种数据质量评价方法组合使用的流程.实测数据验证表明,真实性评价法的评价效果明显优于固定阈值法和交通流理论法,异常性评价法优于经典的加州算法.     

建筑能耗异常的检测方法

分析了建筑逐时能耗数据,研究了检测异常建筑逐时能耗的方法.该方法包括两个步骤,首先根据数据属性将相同条件下产生的逐时能耗数据进行分类,然后对同一类能耗数据进行分析,确定异常能耗点.实验证明该方法是有效的,可以优化建筑管理方式,达到节能的目的.     

基于渗透测试的多层次网络安全入侵检测方法

针对当前电力系统网络安全检测技术存在异常数据判断准确率低、无法有效标定异常数据位置,导致网络安全入侵检测准确率低的问题,提出基于渗透测试的电力系统多层次网络安全入侵检测方法.通过滤波和特征提取提纯特征信号,构建电力系统网络安全入侵检测器,根据异常数据来源确定电力系统网络漏洞位置,实现多层次网络安全入侵检测.结果表明,所提方法对异常数据的判断准确率高、能够有效标定异常数据位置,比对比检测方法的平均检测率高1.9%,具有更优的检测性能.     

基于加权滑动平均的磁盘使用率预测模型

为能提前做好扩容准备,提出一种改进的加权滑动平均(weighted moving average,WMA)模型,用以预测未来短期内磁盘的使用率.针对磁盘使用率序列变化较为平缓、要求滞后较小的特性,采用自相关和偏自相关系数法对模型定阶,处理数据后,在不影响精度的前提下计算最小滞后值,并使用结合了拉依达准则的权重转移法来均衡权重,用多新息递推最小二乘法对参数进行更精确的估计,以提高预测的准确性.通过Matlab仿真实验可知,该算法预测误差小,滞后性弱,与原始WMA模型相比,具有更好的预测效果.     

圆柱形张拉整体结构质量最小化方法

为减轻张拉整体结构的质量,提出一种张拉整体结构最小质量优化方法及进一步减轻质量的自相似迭代设计方法.以外载荷作用下的圆柱形张拉整体结构为研究对象,根据构件质量、材料失效模式的关系,提出以构件力密度、横截面积作为设计变量,结构静力平衡方程为约束的优化数学模型,采用线性规划优化方法对数学模型进行优化,并给出压杆两种失效模式下结构最小质量的选择方法;为进一步减轻质量,把三维T型杆自相似迭代结构应用到圆柱形张拉整体结构中,提出一种自相似迭代设计方法来设计一个质量更轻的张拉整体结构,提出有效替代空间概念,给出有效替代空间的计算方法.算例计算结果表明,最小质量优化方法及自相似迭代设计方法可以设计出质量更轻的张拉整体结构.     

机加零件质量预测与工艺参数优化方法

为了有效利用机加零件工艺信息和检测信息,提出基于机器学习算法的质量预测与工艺参数优化方法. 以集成工艺信息和检测信息的基于模型定义（MBD）模型为输入,通过对三维建模软件的二次开发实现参数提取,并建立结构化数据集. 利用多种机器学习分类器构建基于工艺参数与质量分类标签的质量预测模型. 结合信息增益算法对所有工艺参数进行优先级排序,筛选出对质量影响最大的工艺参数;开发质量预测与工艺参数优化工具集,利用梯度提升树模型优化对质量影响最大的工艺参数. 以某航空企业提供的铣削实验数据验证所提出方法的有效性和可靠性. 验证结果表明,该方法能够较好地实现机加零件的质量预测和工艺参数优化.