基于BIRCH-LKD的在站车辆中时异常检测算法

摘要：

针对铁路车辆在站中转作业异常较多的情况,提出基于BIRCH-LKD的在站车辆中时异常检测算法.该算法以车辆中时序列为研究对象,不考虑异常值的具体形式,对序列分组,引入中时序列特征向量,做类球形簇转化;采用基于划分的显性异常检测方法得到中时序列特征向量的聚类特征树,查找序列显性异常,缩小异常检测范围;利用隐性异常检测算法计算剩余数据对象的K距离,根据距离差值变化规律,筛选序列隐性异常;最后,利用中时序列中位数异常判定条件,排除下界异常,实现中时序列的异常检测.实验结果表明,该算法检出率高,能够快速识别中时序列异常值,有效率达85％以上,去除异常值后的中时序列符合实际情况的趋势且更加平稳.

关键词：车辆中时、异常检测、BIRCH聚类算法、K距离、时间序列

所属期刊栏目：37

分类号：U292.16(铁路运输管理工程)

资助基金：中国铁路总公司省部级科技研究开发计划课题2014X009-A

在线出版日期：2018-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1122-1128