基于k近邻隔离森林的异常检测

异常检测是机器学习与数据挖掘的热点研究领域之一,主要应用于故障诊断、入侵检测、欺诈检测等领域.当前已有很多有效的相关研究工作,特别是基于隔离森林的异常检测方法,但在处理高维数据时仍然存在许多困难.提出了一种新的k近邻隔离森林的异常检算法:k-nearest neighbor based isolation forest(KNIF).该方法采用超球体作为隔离工具,利用第k近邻的方法来构建隔离森林,并构建基于距离的异常值计算方法.通过充分实验表明KNIF方法能有效地进行复杂分布环境下的异常检测,并能适应不同分布形式的应用场景.

MBBR工艺用于唐山某污水厂提标改造效能分析

唐山某污水厂进行一级A提标改造,采用MBBR工艺对氧化沟进行改造,在缺氧区及好氧区同时投加悬浮载体。改造后系统出水COD、BOD5、TN、氨氮、TP、SS分别为(30.5±5.2)、(3.4±0.6)、(13.0±1.4)、(1.6±1.0)、(0.42±0.05)、(7.55±1.18)mg/L,稳定达到一级A标准。污水厂全流程测定结果显示,好氧区存在稳定的同步硝化反硝化(SND)过程,对TN的去除率为8.9%,保障在不投加碳源的情况下出水TN稳定达标。小试结果表明,在10~12℃的低温环境下,悬浮载体的硝化速率为0.13 kgN/(m3·d),原水反硝化速率最大为0.039 kgN/(m3·d),悬浮载体的加入保障了系统低温下良好的处理效果。高通量测序结果表明:好氧区悬浮载体上硝化螺旋菌相对丰度为6.57%,是活性污泥的3倍,并且在好氧区悬浮载体上发现了相对丰度为1.85%的反硝化菌,为SND现象提供了微观解释。缺氧区悬浮载体上反硝化菌的相对丰度为7.72%,是活性污泥中的2.5倍。通过原池嵌入MBBR工艺,强化了系统的硝化反硝化效果。