(水利部淮河水利委员会)水利科学研究院,安徽省
Published:2024
移动端阅览
徐浩, 刘怀利, 瞿暄. 基于孤立森林的取水数据异常值检测[J]. 2024, (9): 29-32+59.
DOI:
徐浩, 刘怀利, 瞿暄. 基于孤立森林的取水数据异常值检测[J]. 2024, (9): 29-32+59. DOI: 10.20040/j.cnki.1000-7709.2024.20240287.
为快速准确地检测出供水企业取水量数据的异常值,提出了基于孤立森林的无监督学习算法,以安徽省水资源取水监测平台提供的A~D四个供水企业取水量数据为例,并通过试验将其与传统箱线图法和有监督学习的k近邻算法进行比较。结果表明,基于孤立森林的无监督学习算法因其独特的树状结构,使其在进行点异常值检测时平均F
1
、A
AUC
值分别达到0.963 0、0.998 0
较k近邻算法分别高约56.40%、22.47%
较箱线图法分别高约18.92%、9.70%。虽然模拟区间异常取水行为时,基于孤立森林的无监督学习算法性能有所下降,但稳定性仍优于k近邻算法和箱线图法,这表明在异常数据类型检测方面基于孤立森林的无监督学习算法具有一定优越性。
方舒.基于机器学习的水资源异常值分析与检测方法研究[D].深圳大学,2020(10).
李文星,王天成,李华伟.基于K近邻的数字电路自动测试向量生成方法[J].计算机辅助设计与图形学学报,2023(11).
金鹏宇,王超,孙嘉辉,雷晓辉.胶东调水工程年度水量调度方案研究[J].人民长江,2023(08).
秦怡源,刘献礼,岳彩旭,郭斌,丁明娜.ET-GD与K近邻相结合的刀具磨损监测方法[J].哈尔滨理工大学学报,2023(01).
王诗愉,肖利东,严心淳,应文豪.基于模拟退火的扩展孤立森林异常检测算法[J].计算机与现代化,2023(01).
宋丽娜,刘淼,秦韬,何鑫,郭中磊,王小胜.基于LOF与CEEMD的城镇取用水监测数据异常值识别[J].水利信息化,2022(02).
王彦兵,王聪,赵亚丽,李小娟,余洁,朱琳.基于ROC曲线的永久散射体识别最佳阈值定量筛选[J].遥感学报,2021(10).
王田丰,胡谷雨,王睿,彭冬阳.基于AAE的网络性能异常发现[J].计算机技术与发展,2021(07).
张华,李佳,万毅.基于离差系数和小波分析的取水量异常值研究[J].水利水电技术,2020(10).
赵臣啸,薛惠锋,王磊,万毅.基于孤立森林算法的取用水量异常数据检测方法[J].中国水利水电科学研究院学报,2020(01).
代斌.基于箱线图法的PSO-SVM在小麦种子分类中的应用研究[J].河西学院学报,2018(05).
方海泉,薛惠锋,蒋云钟,周铁军,万毅,王海宁.基于EEMD的水资源监测数据异常值检测与校正[J].农业机械学报,2017(09).
侍建国,张亦飞.拉依达准则在处理区域水文数据异常值中的应用[J].海河水利,2016(05).
肖树臣,秦玉勋,韩吉庆.基于格拉布斯法的试验数据分析方法[J].弹箭与制导学报,2007(01).
0
Views
297
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution