|
|
1.
M-TAEDA:多变量水质参数时序数据异常事件检测算法
毛莺池, 齐海, 接青, 王龙宝
计算机应用
2017, 37 (1):
138-144.
DOI: 10.11772/j.issn.1001-9081.2017.01.0138
在供水管网中部署传感器网络实时获取多个水质参数时间序列数据，当供水管网发生污染时，高效准确地检测水质异常是一个重要问题。提出多变量水质参数时间异常事件检测算法（M-TAEDA），利用BP模型分析多变量水质参数的时序数据，确定可能离群点；结合贝叶斯序贯分析独立更新每个参数的事件概率，预测单个传感器节点检测的异常概率；将单变量的事件概率融合为统一多变量事件概率，融合判断异常事件。实验结果表明：BP模型模拟多变量水质参数进行预测可以达到90%精确度；与单变量参数时间异常事件检测算法（S-TAEDA）相比，M-TAEDA可以提高异常检出率约40%，降低误报率约45%。
参考文献 |
相关文章 |
多维度评价
|
|
