申请/专利权人：中国长江电力股份有限公司

申请日：2024-04-02

公开（公告）日：2024-07-05

公开（公告）号：CN118296377A

主分类号：G06F18/214

分类号：G06F18/214;G06F18/2433;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明公开了一种基于高斯分布的异常水位数据生成与判别方法，包括以下步骤：采集不同站点的水位数据采集，形成具有时间序列特性的水位数据集Yall；根据开始时间和结束时间，按照时间将Yall划分为N个小集合，新的水位数据集为Y1_n；在集合Yi中随机选取一个数据点P，选取数据集合ArrM中的N点，确定高斯分布的sigma值；遍历ArrM中的所有数据；遍历Y1_n数据集合，形成最终的数据集合Map；使用水位数据集Yall，利用SVM、KNN、DBSCAN三种算法，分别形成MSVM、MKNN和MDBSCAN三个模型；遍历Map中的数据，用MSVM、MKNN和MDBSCAN进行判断，如果在三个模型中，均为非异常数据，将点从Map中移除，得到新的Mapnew，Mapnew即为得到的异常数据集。采用本技术方案可以快速度对异常水位数据进行生成，同时可以快速便捷出异常数据。

主权项：1.一种基于高斯分布的异常水位数据生成与判别方法，其特征在于，包括以下步骤：步骤1：采集不同站点的水位数据采集，形成具有时间序列特性的水位数据集Yall；步骤2：根据开始时间和结束时间，按照时间将Yall划分为N个小集合，新的水位数据集为Y1_n；步骤3：在集合Yi中随机选取一个数据点P，步骤4：选取数据集合ArrM中的N点，确定高斯分布的sigma值；步骤5：重复步骤4，遍历ArrM中的所有数据；步骤6：重复步骤3和步骤4，遍历γ1_n数据集合，形成最终的数据集合Map；步骤7：使用水位数据集Yall，利用SVM、KNN、DBSCAN三种算法，分别形成MSVM、MKNN和MDBSCAN三个模型；步骤8：遍历Map中的数据，用MSVM、MKNN和MDBSCAN进行判断，如果在三个模型中，均为非异常数据，将点从Map中移除，得到新的Mapnew，Mapnew即为得到的异常数据集。

全文数据：

权利要求：

百度查询： 中国长江电力股份有限公司 一种基于高斯分布的异常水位数据生成与判别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD