基于孤立森林算法的电力营销数据异常识别

为了提高对电力营销数据异常的识别能力,基于孤立森林算法设计了一种电力营销数据异常识别方法。首先构建电力营销数据异常特征检测和大数据存储模型,结合分布式随机信息采样方法对电力营销数据异常特征展开传感跟踪,并采用压缩感知方法提取电力营销数据异常特征。在分析其谱结构的基础上,通过随机解耦性特征分解方法分解数据异常谱特征,然后建立信息融合模型,从中提取异常电力营销数据的关联特征量,再通过关联规则调度和粗糙集特征匹配方法检测和识别异常数据的特征。在这一过程中,采用孤立森林算法对识别结果进行寻优控制,提高识别过程的收敛性。仿真结果表明该方法对电力营销数据异常的识别精度较高,表明该方法识别性能较好。