大气电场测量数据的异常检测及校正方法研究

大气电场序列的清洗预处理对后续的挖掘研究具有重要意义。提出一种基于孤立森林结合Chen-Liu迭代算法的大气电场异常点检测与校正方法。该方法利用求和自回归移动平均(ARIMA)模型对大气电场时间序列进行拟合并得到拟合残差,基于残差序列构建孤立森林模型以确定异常点位置,最后通过Chen-Liu算法进行校正。通过模拟和实测大气电场数据验证所提方法的可靠性,相对于原序列,清洗后大气电场序列预测结果在均方根误差和平均百分比误差分别改善27.8%和34.98%。

基于GRU-MLP的核动力装置运行监测数据异常检测与校正方法研究

为改善核动力装置仪表与控制系统采集或存储的运行数据中出现的缺失、飘移和跳跃等数据质量问题,以便为运行数据分析和自动控制器提供更可靠的输入,提出了基于门控循环单元(GRU)与多层感知机(MLP)融合模型的核动力装置运行监测数据异常检测与校正的一体化方法。GRU-MLP融合模型提出了基于GRU模型的运行监测数据短时预测算法,为运行监测数据异常检测和校正提供参考依据,并且设计了实时校正机制,以提高GRU模型对包含异常运行数据的预测准确率。然后,利用MLP模型的非线性拟合能力优化“预测-异常检测”机制下使用的固定阈值为动态阈值,提高设计方法的异常检测准确率。最后,以某型核动力装置运行数据开展测试实验,从多角度分析并证明了所设计方法的准确性和可行性。