公开(公告)号：CN103729444B

公开(公告)日：2017-07-18

申请号：CN201310744995.8

申请日：2013-12-30

Applicant: 清华大学

Inventor： 王建民 ,  刘英博 ,  张力 ,  丁建伟

IPC: G06F17/30

Abstract: 本发明涉及一种基于设备监测数据间潜在关系的异常数据检测方法，属于工业设备运行技术领域。该方法首先对设备监测数据进行切分和重组，以有效减少噪声数据的干扰，提高异常检测的精度；然后针对运行周期的相似性，提取一个完整运行周期内监测数据之间的潜在关系，即潜在关系向量，通过对于每个运行周期提取潜在关系向量，构建该组潜在关系向量的正态概率分布模型；最后通过比较每个潜在关系向量与该正态概率分布模型的关系，可以检测出其中对应的异常的监测数据，便于相关部门进一步分析。该异常检测方法能够快速的从海量监测数据中发现异常，并且很好的解决了噪声数据的干扰，是一种十分有效的监测数据中异常数据检测方法。

公开(公告)号：CN103729444A

公开(公告)日：2014-04-16

申请号：CN201310744995.8

申请日：2013-12-30

Applicant: 清华大学

Inventor： 王建民 ,  刘英博 ,  张力 ,  丁建伟

IPC: G06F17/30

CPC classification number: G06F17/30424

Abstract: 本发明涉及一种基于设备监测数据间潜在关系的异常数据检测方法，属于工业设备运行技术领域。该方法首先对设备监测数据进行切分和重组，以有效减少噪声数据的干扰，提高异常检测的精度；然后针对运行周期的相似性，提取一个完整运行周期内监测数据之间的潜在关系，即潜在关系向量，通过对于每个运行周期提取潜在关系向量，构建该组潜在关系向量的正态概率分布模型；最后通过比较每个潜在关系向量与该正态概率分布模型的关系，可以检测出其中对应的异常的监测数据，便于相关部门进一步分析。该异常检测方法能够快速的从海量监测数据中发现异常，并且很好的解决了噪声数据的干扰，是一种十分有效的监测数据中异常数据检测方法。