基于Hadoop的不确定异常时间序列检测

无线传感器网络中,传感器的采集与无线网络的传输等均可能带来时间序列的不确定性,而大数据时代的到来使得传统不确定异常时间序列检测研究面临时间效率低下的问题,为此提出基于Hadoop的不确定异常时间序列检测算法。首先对不确定时间序列进行压缩变换,使不确定数据量大大减少,然后利用Map Reduce架构调用基于期望距离的不确定时间序列下的DTW算法,实现算法的并行化处理,降低算法时间复杂度。同时针对Hadoop集群任务级调度分配方法在运行中负载分配不均现象,提出Hadoop集群优化方法,明显缩减集群总任务时间,使得节点资源的利用更为合理。Hadoop平台下实验结果验证显示,该方法既提高了检测速度,又保证了检测准确率。

基于新疆分量式钻孔应变异常时间的地震强度预测研究

研究了利用钻孔应变异常时间预测地震震级问题。从实际工作需要出发,在做了大量震例总结和比较了前人的工作之后,首次得到了更加适合新疆地区的异常时间与震级之间的统计关系式,即MS=5.4+0.004T±0.5。讨论了3个预测震级公式的优缺点及存在的问题,一些不合理的因素得到改善,震级预测误差明显减小,这对新疆地区的地震强度预测有实际意义。

临震电磁信息异常时间估算震级的方法

本文对响水电磁信息观测资料研究结果表明,临震电磁信息异常时间与震级有较好的相关性,求出的用异常时间估算震级的经验公式在短临试报中经受了检验,说明用临震电磁信息的异常时间预估震级的方法是可行的。

利用电磁波异常时间和距离估计未来地震的震级

以响水台电磁波观测资料为主,研究了发生在江苏及其邻区的13次地震之前这些台站观测到的电磁波异常时间、震中距和未来地震级之间的统计关系,得出:M=2.2125+2.0009 lgT+0.4106 lgD.统计检验表明,该公式的拟合精度是相当令人满意的.

异常时间差揪出逃逸者

当前,道路交通肇事逃逸案件时有发生,且多发于夜间,通常情况下没有见证人,也无法确定事故发生准确时间,快速侦破难度较大。近日,山东省宁阳县交警大队巧妙利用时间差异常,仅用两个小时就成功侦破一起这样的肇事逃逸案件。2018年6月6日凌晨,在济微公路宁阳县伏山镇中心小学南侧发生一起交通事故。一辆面包车由北向南行驶至事发地点后,追尾撞上一辆停放在道路西侧的红色半挂货车。

缩短高速公路隧道照明供电异常时间方案研究

针对高速公路隧道照明系统供电故障及处理故障时间较长的问题,提出增设电力远程监控系统、电缆应急转换系统、移动发电车、EPS供电系统等组合策略。通过电力远程监控系统实现第一时间内发现供电系统故障,并结合电缆应急转换系统、移动发电车、EPS供电系统,减少隧道照明系统供电异常事件,确保高速公路隧道安全。

非结构化高维大数据异常流量时间点挖掘算法

非结构化数据的维度较高,每个样本数据包含的特征非常多,导致了维度灾难问题,使得降低维度并保持有效特征提取难度较大,影响大数据流量异常时间点挖掘的精度。为此,提出新的基于空间映射的非结构化高维大数据流量异常时间点挖掘方法。通过近似解集的几何特征建立稀疏回归模型,求解高维目标空间映射到低维目标子空间的稀疏投影矩阵。根据密度分布选择出一个高密度集合作为聚类中心的候选集,确定聚类的初始聚类中心。同时对聚类形成的各个簇采用剪枝算法,选择时间点候选集,对候选集展开二次判断,挖掘高维大数据流量异常时间点。实验结果表明,数据的降维能有效提高流量异常挖掘精度。相比之下,所提方法的高维大数据流量异常时间点挖掘更加精准,耗时更短。

基于上下文生成对抗网络的时间序列异常检测方法

时间序列的异常检测是网络服务保障、数据安全检测、系统监控分析等应用中所依赖的一项关键技术。为解决在实际场景的时间序列异常检测中由于时间序列上下文的模糊性、数据分布的复杂性以及异常检测模型的不确定性所带来的异常检测结果的有效性、合理性、稳定性等不足的问题,本文提出了一种新的基于上下文生成对抗网络的时间序列异常检测方法AdcGAN。首先,通过处理历史数据,提取用于生成时序数据的条件上下文;然后,采用条件生成对抗网络的设计策略,使用条件上下文,构建上下文生成对抗网络,实现对任意时刻数据的条件分布预测,同时AdcGAN采用Dropout近似模型不确定性,使用概率分布代替点估计作为预测结果;接着,从观测的差异(用期望偏差表示)和模型的不确定性(用预测方差表示)两个方面来衡量异常;最后,提出基于数据统计信息的异常阈值自动设置方法,减少手动调节的参数量。实验结果表明,与同类基准算法进行对比,在NAB数据集中的47个真实时序数据上,本文提出的AdcGAN可以有效地检测出时序数据中的异常,在大多数评价指标上都优于其他基准方法,并且具有更好的稳定性。

基于谱残差方法的工业互联网时间序列异常检测

谱残差算法是一种针对图像显著性检测的算法,也可用于无监督时间序列的异常检测。从频域变换、平滑算法、去除季节性影响、阈值自适应调节等多个环节研究针对谱残差算法的改进,提出一种基于谱残差算法的多变量时间序列异常检测方法。实验证明,所提出的改进可以提高异常检测的准确率,去除环境因素造成的季节性影响,且检测异常用时优于已有算法。另外,所提算法可以根据实际需要,自适应调节异常判定阈值。为了适应工业系统常出现的多变量时间序列数据,在谱残差算法的基础上结合用于处理多变量数据的独立成分分析算法,使算法适用于多变量时间序列。实验表明,谱残差算法与独立成分分析结合的算法能够应用于工业系统的异常自动检测,并且可以保证算法所需的准确性和实时性。

基于Hadoop的异常传感数据时间序列检测

无线传感器网络中,异常时间序列的研究具有十分重要的意义。针对传统研究在海量数据环境中时间效率低下的问题,提出了基于Hadoop的异常时间序列检测算法。首先对时间序列进行预处理,然后在Hadoop的MapReduce操作中调用动态时间弯曲距离计算算法,实现了DTW距离计算的并行化,从而大大提高检测速度。同时针对传统DTW算法计算复杂度瓶颈问题以及传统约束方法准确率较低问题,提出了基于显著特征匹配的局部约束算法,对弯曲路径进行局部限制,在确保准确性的同时进一步降低了时间、空间复杂度。Hadoop平台下实验结果表明,该方法既提高了检测速度,又保证了检测准确率。

脱硫石膏引起水泥凝结时间异常的原因分析

脱硫石膏是常用的水泥调凝剂,因使用脱硫石膏而引发的水泥凝结时间异常事故时有发生。通过采用XRD矿物分析、XRF元素分析、溶解特性分析、DSC-TG热特性分析等试验方法,对某企业使用脱硫石膏引发的水泥凝结时间异常原因进行了分析。分析结果显示,脱硫石膏中适量杂质离子的存在,对水泥的缓凝有一定改善作用;含有较多半水石膏的脱硫石膏,活性较高、溶解快、溶解度高,缓凝作用发挥快。水泥企业使用工业副产脱硫石膏前,应进行相关理化分析,优化脱硫石膏的掺加比例,稳定水泥质量。

工作流系统时间异常处理研究

为有效地处理工作流运行中出现的时间异常,分析了工作流系统对时间异常处理的需求,给出了工作流时间异常处理和工作流时序约束相关活动的定义,提出了时间异常的分类方法和时间异常传播的计算方法,并在此基础上提出了一套行之有效的时间异常处理方法。该方法能够预测由活动延迟异常引起的其他类型的时间异常,并在这些异常实际发生之前对其进行处理。该项研究成果已在产品创新设计领域的工作流系统中得到了验证,并且针对领域特点给出了该领域内时间异常处理方法的具体操作和算法。

大地震前区域能量场的时间因子异常特征

本文采用自然正交函数展开方法,讨论了我国大陆发生的30次6.0级以上地震前的震中附近地区地震活动能量场的时间因子变化特征。结果表明,在大地震发生前,几个主要特征值所对应的典型场的时间因子均出现了明显的突升或突降变化,显示出与未来强地震有较好的对应关系。时间因子异常一般出现在震前1～3年,多数情况下小于2年,表现出异常的中短期特点;有些地震前异常出现时间小于3个月,显示出异常的短临性质。笔者认为,地震能量场时间因子可能是强地震前的一种有效的异常观测量和中短期异常指标。

老年人群睡眠时间异常与轻度肾功能降低的关联研究

目的探讨老年社区人群中睡眠时间和肾功能降低的关系。方法使用如皋衰老队列1637例70~84岁基线调查数据。肾功能用以肌酐为基础的肾小球滤过率(eGFR)评估。轻度肾功能降低定义为60 mL/(min·1.73 m^(2))≤eGFR<90 mL/(min·1.73 m^(2))。短睡眠时间和长睡眠时间分别定义为睡眠≤6 h/夜和≥9 h/夜。采用Logistic回归分析睡眠时间和eGFR降低间的关联。结果老年男性有57.0%、老年女性有51.9%个体轻度肾功能降低。老年男性平均睡眠(6.80±1.87)h,女性(6.12±1.98)h。老年男性eGFR降低组较eGFR正常组睡眠时间更短[(6.70±1.93)vs(6.92±1.78)h/夜,P=0.027]。老年男性睡眠时间延长与eGFR降低不相关,而睡眠时间不足(≤6 h/夜)与eGFR降低的风险增加相关(OR=1.47,95%CI:1.06~2.04,P=0.021)。多因素校正后显著性依然存在。老年女性睡眠不足与延长均与eGFR降低不相关。结论睡眠时间不足与老年男性轻度肾功能降低风险增加相关。保持充足的睡眠对维持老年男性正常肾功能较重要。

基于移相加权球面单簇聚类的周期时间序列异常检测

针对传统的单分类器不适用于周期时间序列的异常检测,提出了一种基于移相加权球面单簇聚类的单分类器PS-WS1M-OCC.通过在聚类过程中增加高效的循环移位操作,解决了时间序列记录之间相似度计算的问题.另一方面,基于时间序列记录的权重分布,提出了新的阈值自适应确定方法,从而使单分类器对训练集包含的异常数据和参数设置不敏感.实验表明,本文提出的单分类器可以用于周期时间序列的异常检测;与传统的单分类器相比,可以成功地从包含异常数据的训练集中进行无监督学习,对训练集包含的异常数据鲁棒,并且对参数不敏感.

CINRAD/SC天气雷达体扫时间异常分析

根据CINRAD/SC天气雷达体扫时间异常故障现象和原因,可将故障可分为以下2类:一是方位电机和俯仰电机转速变慢;二是俯仰电机升降不及时。针对不同的故障现象,该文从雷达伺服系统、信号处理和网络传输等几方面对体扫时间异常进行分析,对故障原因、故障排查和处理方法进行了详细介绍。由于导致体扫时间异常的因素多,部分故障原因隐蔽性强,给雷达维护带来较大影响,该文的分析可以为一线机务人员快速发现并处理雷达体扫异常提供参考。

基于关键路径的工作流时间异常处理算法

为了更好地管理业务流程中的时间异常,定义了时间异常系数,描述了不同时间约束异常之间的相互影响,并提出一种基于关键路径的工作流时间异常处理方法。在实例执行阶段,实时监控每个节点的状态,当出现时间约束违反时,根据异常系数决定是否触发异常处理程序以及如何处理。该方法能够在某一时间异常发生后,预测可能出现的关联时间异常并排除,确保工作流实例状态的一致性。

容纳不同异常持续时间的多参量综合预报模型

现有的多数综合模型,大多忽略了各种异常在震前所显示不同的持续时间。本文针对各前兆在时间轴上的不均匀,由可容纳不同异常持续时间的动态系统模型,依据适合于不可逆过程的ARMA参量预测模型,以华北北部区域为例,探讨了进行未来强震危险性的预测的途径。最后,对影响预测精度的因素进行了分析和讨论。

主动源海底地震仪记录数据的时间问题及原因分析

简要概括了国产主动源海底地震仪(OBS)数据处理中常见的时间异常现象,以OBS2020-1测线的实际处理为主并结合了OBS处理中对数据异常校正取得的部分进展为实例,通过检查数据记录格式、计算相邻数据文件间的时间差、对比不同处理方法所得剖面、分析初始时间和采样时间是否异常、使用数据重采样等手段,对OBS时间异常问题进行了分类处理和校正。分析显示,国产OBS在数据记录中普遍存在的时间问题大部分均能解决,通过本文提供的方法可以避免处理不当所导致的OBS地震剖面出现同相轴“断阶”、“倾斜”,甚至“缺失”等现象,确保了有效震相的完整性,有效解决了OBS数据时间异常问题,提高了数据的质量和利用率,为后续开展走时层析成像奠定了良好的基础,并为今后主动源OBS数据处理流程和方法提供了借鉴。