M-TAEDA:多变量水质参数时序数据异常事件检测算法

摘要：

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％.

关键词：无线传感器网络、异常事件检测、BP模型、多变量水质参数、时间序列数据

所属期刊栏目：37

分类号：TP393;TP18(计算技术、计算机技术)

资助基金：the National Natural Science Foundation of ChinaU1301252;the National Science and Technology Support Program2013BAB06B04;the National Key R&D Program2016YFC0400910;the Technology Project of China Huaneng Group Company HeadquartersHNKJ13-H17-04;the Science and Technology Project of Yunnan Province2014GA007;the Special Fund for Basic Scientific Research of Central Universities 2015B22214.国家自然科学基金资助项目U1301252;国家科技支撑计划项目2013BAB06B04;国家重点研发计划项目2016YFC0400910;中国华能集团公司总部科技项目HNKJ13-H17-04;云南省科技计划项目2014GA007;中央高校基本科研业务费专项资金资助项目2015B22214

在线出版日期：2017-02-28（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：138-144