時間序列挖掘是在傳統(tǒng)時序分析的基礎(chǔ)上形成的,是數(shù)據(jù)挖掘中最具挑戰(zhàn)性的研究方向之一。在各個領(lǐng)域中,時間序列挖掘技術(shù)都得到了廣泛應(yīng)用,但因應(yīng)用背景的不同對挖掘技術(shù)的實(shí)際要求也不同,仍需不斷深入的研究序列挖掘算法和模型。時間序列挖掘中的一個研究內(nèi)容是異常檢測,其在很多領(lǐng)域中都是一項(xiàng)重要技術(shù),受到越來越廣泛的關(guān)注,成為研究的一個熱點(diǎn)問題。南水北調(diào)中線工程是緩解北部地區(qū)水資源短缺問題,優(yōu)化我國水資源配置的一項(xiàng)戰(zhàn)略性工程。南水北調(diào)中線干線工程沿線復(fù)雜的地質(zhì)條件及復(fù)雜的氣象情況使南水北調(diào)工程安全受到了嚴(yán)峻挑戰(zhàn)。為了保障工程安全,南水北調(diào)工程沿線已布設(shè)數(shù)量巨大的傳感器來實(shí)時采集工程安全數(shù)據(jù),在對南水北調(diào)中線工程安全監(jiān)測數(shù)據(jù)的分析中還存在著問題,即傳感器工作環(huán)境的復(fù)雜性導(dǎo)致安全監(jiān)測數(shù)據(jù)存在異�，F(xiàn)象。為了保障南水北調(diào)中線工程的安全,本文對監(jiān)測數(shù)據(jù)進(jìn)行異常檢測的研究,主要工作如下:（1）通過引入動態(tài)時間彎曲方法,完成對分段監(jiān)測數(shù)據(jù)的異常檢測。算法首先采用基于關(guān)鍵點(diǎn)的分段線性表示方法將原始時間序列分割為長度不等的模式,然后采用動態(tài)時間彎曲方法對分割的模式進(jìn)行異常檢測。通過在南水北調(diào)中線工程安全監(jiān)測數(shù)據(jù)上的實(shí)驗(yàn)... 

【文章來源】：華北水利水電大學(xué)河南省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

主要研究內(nèi)容及相互關(guān)系圖

圖 2-3 時間序列的邊緣點(diǎn)[20]Figure 2-3 the edge points of the time series計(jì)算完時間序列上各點(diǎn)的時態(tài)邊緣算子后，各點(diǎn)的邊緣幅度值由計(jì)算邊緣算子與原始時間序列卷積運(yùn)算得出。時間序列上各點(diǎn)邊緣化的程度，其值越大，則該點(diǎn)是邊緣點(diǎn)的程度越大。在時間序列的分段線性表示中，研究人員也提出了基于關(guān)鍵點(diǎn)技術(shù)的方法。其主要思想是，在給定時間序列1 2{ , , , }nS x x x 中， (1 ix i n的點(diǎn)，若ix 為極值點(diǎn)且滿足以下條件之一，則稱 為關(guān)鍵點(diǎn)。（1） 是時間序列 S 中的起點(diǎn)，（2） 是時間序列 S 中的終點(diǎn)。（3）1 1( ) ( ) 0i i i ix x x x 。

圖 3-2 鋼筋計(jì)埋設(shè)位置示意圖Figure 3-2 schematic diagram of placing steel stress meter為了研究監(jiān)測數(shù)據(jù)間的相關(guān)性，選擇圖中藍(lán)色點(diǎn)標(biāo)記的鋼筋計(jì)作為研究對號分別為 R1-2、R1-3、R1-8、R1-12、R2-2、R2-3、R2-8 和 R2-12，分別對014 年 11 月 14 日到 2016 年 12 月 3 日的應(yīng)力監(jiān)測數(shù)據(jù)進(jìn)行相關(guān)性分析，數(shù)下圖所示：100200300400500600700800900鋼筋計(jì)應(yīng)力/Mpa

【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)對公共安全治理的價值與挑戰(zhàn)[J]. 陳揚(yáng)揚(yáng).  華北水利水電大學(xué)學(xué)報(bào)(社會科學(xué)版). 2018(03)
[2]大數(shù)據(jù)在人力資源管理中的應(yīng)用[J]. 李愛玉,豐志培,周建慧.  華北水利水電大學(xué)學(xué)報(bào)(社會科學(xué)版). 2018(01)
[3]基于異常因子的時間序列異常模式檢測[J]. 劉雪梅,王亞茹.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(03)
[4]基于相似性分析的時間序列異常檢測方法[J]. 孫焱,林意.  山東農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[5]一種增量并行式動態(tài)圖異常檢測算法[J]. 韓濤,蘭雨晴,肖利民,劉艷芳.  北京航空航天大學(xué)學(xué)報(bào). 2018(01)
[6]基于重要點(diǎn)的飛機(jī)發(fā)動機(jī)數(shù)據(jù)異常子序列檢測[J]. 楊慧,王光霞.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(09)
[7]一種基于局部異常因子（LOF）的k-means算法[J]. 陳靜,王偉.  電子測試. 2016(12)
[8]基于重要邊緣點(diǎn)的時間序列異常模式檢測算法[J]. 蘇錦旗,張文宇.  計(jì)算機(jī)工程與科學(xué). 2014(06)
[9]基于動態(tài)彎曲的時間序列異步相關(guān)性分析[J]. 李海林.  計(jì)算機(jī)應(yīng)用研究. 2014(07)
[10]一種基于k-均值聚類的異常檢測技術(shù)[J]. 白寧.  計(jì)算機(jī)與現(xiàn)代化. 2014(01)

博士論文
[1]面向PM2.5空氣污染分析的多重分形方法研究[D]. 張琛.合肥工業(yè)大學(xué) 2016
[2]基于分形與小波理論的成礦復(fù)雜信息提取與識別方法研究[D]. 陳國雄.中國地質(zhì)大學(xué) 2016
[3]癲癇腦電的分形分析及自動檢測方法研究[D]. 張艷麗.山東大學(xué) 2016
[4]金融時間序列模式挖掘方法的研究[D]. 吳學(xué)雁.華南理工大學(xué) 2010
[5]時間序列的相似性查詢與異常檢測[D]. 肖輝.復(fù)旦大學(xué) 2005

碩士論文
[1]基于深度學(xué)習(xí)的時間序列特征表示[D]. 胡健.云南大學(xué) 2016
[2]時間序列異常模式挖掘關(guān)鍵技術(shù)研究[D]. 周鑫.西安科技大學(xué) 2011
[3]基于相似性分析的時間序列異常檢測研究[D]. 陳然.西南交通大學(xué) 2011



本文編號：2969587