考虑测量误差的CUSUM控制图对维纳过程的监控设计

目的 针对医疗设备存在的退化加速现象,提出对退化过程进行监控的方法,旨在有效监测到真实情况中退化加速的现象并进行预警,降低设备运维成本。方法 无论是退化率恒定还是退化率加速的维纳过程,其增量概率分布都是独立于其他时间区间增量的,本文运用上侧累积和(Cumulative Sum,CUSUM)控制图监控策略,并分析两类测量误差(乘性测量误差和加性测量误差)对控制图监控效率的影响。结果 运用蒙特卡洛仿真得到不同加速系数和测量误差下的平均运行链长(Average Run Length,ARL)和运行链长标准差,结果表明对于退化率恒定的固定效应模型,CUSUM对退化加速的监控具有稳健性,ARL的降低率均维持在43%左右;而在退化加速的随机效应模型中,监控性能会随着乘性测量误差(当乘性误差>0.1后)的增加而下降。结论 CUSUM控制图对医疗设备退化加速现象具有良好的监控能力,随着退化率的加速系数的增加,控制图能够越早发现异常退化加速状态。

基于滑动窗双边CUSUM算法的风电爬坡事件检测方法

随着新能源并网进程的推进,风电装机规模逐年扩大。受区域内天气变化影响,风机出力的间歇性和波动性特征对电网的威胁亦越发显著。极端天气所引发的风电出力异常爬坡事件,易导致电网功率失衡,对电力系统机组调度、源荷平衡造成了极大压力。合理的风电爬坡事件检测以及精准的风电功率预测能为风电场运维及电力系统调度提供先验指导,有力缓解风电不确定性带来的危害。首先讨论了目前主流风电爬坡事件定义的盲点,分类并分析了3种风电爬坡场景的功率变化特性,据此提出基于滑动窗双边累计和(cumulative sum, CUSUM)算法的风电爬坡事件检测方法,提取时序耦合信息,捕捉短时间窗口内风电功率数据的异常波动,提高风电爬坡事件检测精度。其次,采用贝叶斯优化的长短期记忆(long short term memory, LSTM)神经网络,最优化模型超参数,提高模型对于爬坡事件发生时风机出力的预测性能。进一步应用所提风电爬坡事件检测方法,对模型预测区间内的风电爬坡事件进行检测实验,验证了所提方法的有效性。

基于CUSUM算法的负压波管道无损检测方法

本文指出盐业化工企业主要采用盐卤作为生产原料,在生产中常需要长距离运输,然而长距离盐卤管道作为输送的主要方式却容易遭受损坏,盐卤管路损坏既影响正常生产又污染周围环境,因此对其运输管路进行无损检测非常必要;目前国内管道泄漏检测技术起步较晚,常用到的负压波管道无损检测作为主流检测技术却难以精确检测到较小的泄漏。针对这一问题,本文提出了一种基于CUSUM算法的负压波检测方法,改善了传统负压波检测的缺点,对细小的泄漏也有很好的反馈作用,便于负压波检测的定位,具有一定的工程实际意义。

基于CUSUM方法的百度指数变点分析

本文主要介绍了CUSUM方法的均值与方差变点估计且该方法对数据的分布限制较少,模拟了CUSUM方法对服从正态分布的时间序列数据以及非正态分布时间序列数据的变点估计,该方法都能准确估计变点的位置,且与实际相符合。对于收集到的“新冠”百度指数时间序列(只存在一个变点)数据应用CUSUM的均值和方差变点估计方法进行变点估计,结果表明均值变点和方差估计方法对“新冠”百度指数的时间序列数据的变点估计都是准确的。然而对于“房贷利率”百度指数时间序列数据(存在两个变点),需要结合CUSUM方法的递归算法进行变点位置估计;估计到的变点位置与实际位置是相符的。同时对于估计到百度指数时间序列数据变点都具有很好的可解释性,都是符合实际情况的。

基于CUSUM和加权欧氏距离的电器分析监测装置设计

针对当前高精度的负荷识别算法复杂度高,难以实现低成本电器监测装置,以及单一依据稳态特征难以实现高精度电器识别问题,本文设计了一款基于CUSUM和加权欧氏距离的低成本电器分析监测装置。该装置通过采样电路采集电器工作状态的电参数特征,以稳态有功功率、无功功率和暂态功率过冲幅度建立三维电器特征库,利用改进的CUSUM控制图实现具有过冲幅度检测功能的电器投切事件检测,通过特征加权的欧氏距离模型完成电器工作状态识别。实验结果表明,本文设计的监测装置平均电器识别准确率高达97.3%,验证了设计方案的可行性。

基于CUSUM方法的集中供热管网泄漏故障诊断

为了有效降低集中供热管网泄漏故障发生率,减轻大量管内介质泄漏导致的经济损失和环境破坏,文章基于变点理论中的累积和(Cumulative Sum,CUSUM)方法以及集中供热管网泄漏仿真模型,提出了一种新的集中供热管网泄漏故障诊断方法。针对实验室现有的集中供热实验管网,开发了相应的算法程序,并诊断分析了供热实验管网的泄漏工况。结果表明:在所有工况条件下,管网泄漏发生后2.2 s即可触发报警信号;最大泄漏流量的计算值与实验值相对误差为1.6%,对应计算所得泄漏流量最大的时刻也接近实际时间;泄漏位置诊断准确率随着误差距离增大而升高,当误差距离≤6 m时,其准确率为73.1%。

基于CUSUM分析的单侧双通道脊柱内镜下ULBD术的学习曲线研究

目的本研究回顾性分析了73例腰椎管狭窄症(lumbar spinal stenosis,LSS)患者的临床资料,及采用单侧双通道脊柱内镜(uniportal bilateral endoscopy,UBE)进行单侧入路双侧减压(unilateral laminotomy for bilateral decompression,ULBD)手术的学习曲线和临床效果。方法对2020年6月-2022年6月江苏大学附属医院的这73例LSS患者进行了如下分析,采用累积求和(cumulative summation,CUSUM)分析法将手术学习曲线划分为早期组和晚期组;比较这两个阶段的手术时间、Oswestry功能障碍(Oswestry disability index,ODI)评分、腰部/下肢视觉模拟量表(visual analogue scale,VAS)评分以及术后并发症。结果根据学习曲线的拐点,我们将这73例手术分为早期组和晚期组;两组LSS患者的一般资料(如:年龄、性别、病程)没有统计学差异(P>0.05);晚期组的平均手术时间73.28 min,显著低于早期组的平均手术时间102.82 min,差异具有统计学意义(P<0.05);两组患者术后引流量以及术后住院时间比较,差异均无统计学意义(P>0.05)。所有患者的术后ODI和腰部/下肢VAS评分与术前相比均显著降低,差异有统计学意义(P<0.05);然而,在早期组和晚期组患者之中,ODI和腰部/下肢VAS评分改善率方面没有统计学差异(P>0.05);晚期组患者的术后并发症发生率(2.5%)低于早期组患者的发生率(8.8%),但两组之间的差异没有统计学意义(P>0.05)。结论使用CUSUM分析发现,UBE下行ULBD手术的学习曲线在第34例手术时出现拐点;早期组和晚期组的患者都取得了良好的临床效果。

基于改进CUSUM算法的路由器异常流量检测

针对核心路由器端口的输入、输出流量的变化,用改进的CUSUM(cumulativesum)算法对其统计特性进行实时监控,检测网络流量异常.基于路由器多端口的特点,提出了矩阵式的多统计量CUSUM算法(M-CUSUM),并提出了可调的参数设定体系,以提高准确性.M-CUSUM算法通过对输入、输出端口流量的绝对差与和之比进行统计,实时地监控其均值的偏移情况.通过对该算法在计算机中的模拟实现,验证了该算法对DOS/DDOS攻击具有较高的检测速度和精度,且系统开销小,已成功运行在软件路由器之上.

使用补偿非参数CUSUM方法检测DDoS攻击

提出了一种有效的、在攻击目的端检测DDoS攻击的方法。研究目的是为了在花费较少代价的情况下,早期检测到攻击的存在,记录可疑的攻击包。对基于TCP协议的DDoS攻击而言,从受害端进行观察,会发现很多没有确认的TCP报文段。在每个时间间隔?t,计算未确认的报文段个数与总报文段个数的比值,形成基于时间的统计序列,再用经过改进的非参数递归CUSUM(cumulative sum)算法在线、快速检测DDoS攻击,并在检测的同时记录可疑的攻击包。经实验验证,该检测算法不仅快速,而且具有更低的误报率,能够适应更复杂的网络检测环境。另外,还能为攻击的分析取证和追踪提供一定帮助。

基于工业控制模型的非参数CUSUM入侵检测方法

为解决日趋严重的工业控制系统(industrial control system,ICS)信息安全问题,提出一种针对工业控制网络的非参数累积和(cumulative sum,CUSUM)入侵检测方法.利用ICS输入决定输出的特性,建立ICS的数学模型预测系统的输出,一旦控制系统的传感器遭受攻击,实际输出信号将发生改变.在每个时刻,计算工业控制模型的预测输出与传感器测量信号的差值,形成基于时间的统计序列,采用非参数CUSUM算法,实现在线检测入侵并报警.仿真检测实验证明,该方法具有良好的实时性和低误报率.选择适当的非参数CUSUM算法参数τ和β,该入侵检测方法不但能在攻击对控制系统造成实质伤害前检测出攻击,还对监测ICS中的误操作有一定帮助.

CUSUM模型在流行性腮腺炎早期预警中的应用研究

目的探讨累积和控制图模型(cumulative sum control chart,CUSUM)在流行性腮腺炎早期预警中的应用价值,为流行性腮腺炎的应急防制提供科学依据,也为其他传染病突发公共卫生事件的预警研究提供参考和借鉴。方法以江苏省各区县每日发病数为基础,从2012年1月1日起以CUSUM模型进行前瞻性试验,用灵敏度、特异度、及时性等3个指标对预警结果进行评价,并比较CUSUM模型预警与国家传染病自动预警系统(CIDARS)之间的优劣。结果应用CUSUM模型进行预警分析全年共产生1688条预警信号,比自动预警系统产生的信号数少35.30%。CUSUM模型预警灵敏度为100%、特异度为95.84%,均高于自动预警系统(χ2=6.087,P=0.0136;χ2=602.48,P<0.0001);CUSUM模型预警及时性的中位数为3.5天,自动预警系统为6天,两者无统计学差异(Z=0.9173,P=0.3590)。结论江苏省腮腺炎疫情数据CUSUM模型预警分析效果优于自动预警系统,且有进一步提高的空间。

基于小波变换和CUSUM算法的PDoS攻击检测方法

Pulsing denial-of-service(PDoS)攻击是一种新型的DoS攻击,它主要利用TCP超时重传机制的弱点,使用周期性的短脉冲向受害者发起攻击,由于平均攻击速率较低,传统的检测机制对其无法检测。笔者对这种攻击采用一种基于Mallat小波变换和CUSUM算法的两步检测法。首先基于Mallat小波变换和小波系数提取出攻击的特征,然后用CUSUM算法可将小偏移量进行累加,提高检测灵敏度,最后针对CUSUM算法的缺陷,提出了改进的CUSUM算法来降低误报率。两步检测法可以准确高效地检测出PDoS攻击。

基于非参数CUSUM算法的SYN Flooding攻击检测

针对危害性极大的SYNFlooding攻击,提出了一种新的检测方法。该方法监控进入网络的TCP业务的SYN包与FIN(RST)包的平衡性,并使用非参数累积和(CUSUM)算法来检测SYN包与FIN(RST)包数量的均衡性的变化。该方法不需要正常业务和攻击业务的详细模型,能提高检测的准确性和在线检测速度,降低运算开销。

CUSUM方法在企业能源审计中的应用

在企业能源审计过程中,将统计学中的cumulative sum(CUSUM)方法,用于计算企业的节能技改措施节能量并监测技改措施的实施效果,提出了该方法的具体应用步骤,分析了该方法在计算节能量时较基准单耗对比法更为真实的原因。以某建筑陶瓷企业为实际对象,运用该方法所得的结果与实际情况较为一致,从而验证了该方法在企业能源审计中的可行性,建议在企业能源审计中推广该方法。

改进的CUSUM网络流量异常检测

网络已是人们学习生活不可缺少的一部分,如何能够准确、快速地检测出网络流量异常,并做出合理的响应,是网络正常运行的保证。本文提出改进的CUSUM流量异常检测算法,通过对CUSUM算法对网络流量进行检测,在警告判断条件和增加约束条件两方面进行改进。最后实验结果表明,CUSUM算法实现简单,在提高异常流量检测的误报率和漏报率方面有较大改进。

基于CUSUM算法的给水管网爆管检测分析

给水管网是城市重要的基础设施之一,负担着输水配水的重要任务,但目前爆管事故频发,严重影响了人们的生产和生活。CUSUM算法利用观测值与目标值偏差的累积进行绘图,具有能对较小异常变化作出明显反应、以及累积滤波的优点。针对以上两个优点提出一种基于CUSUM算法的给水管网爆管检测方法,并对使用条件进行了验证,最后利用实例进行了算法验证并对CUSUM图进行了分析。结果表明,CUSUM算法能很好地检测到管网中的爆管并有效的避免误报。

一种自适应非参量CUSUM控制图算法

针对CUSUM控制图中存在的固定检测门限和对异常终止反应迟钝的缺点,提出了一种自适应的非参量CUSUM控制图算法。该算法首先利用固定门限剔除野值,同时简化了对显著异常的检测过程。然后,采用简单滑动平均算法对非野值数据进行平滑,并基于切比雪夫不等式理论对平滑后的数据进行转换,使之满足非参量CUSUM算法的使用条件。最后,由算法根据数据转换结果自适应地设置CUSUM算法中的检测门限,并在发出异常告警后实施异常终止监控。在针对SYN洪流攻击的仿真检测试验中,利用该算法能够在检测时延不超过7个采样周期且攻击持续期间不发生漏警的要求下,准确地检测出最低攻击流量仅为正常业务流量20%的攻击行为。

基于CUSUM的自适应攻击检测

为了能够快速发现DDoS攻击,尽量减小或避免其危害,基于CUSUM算法,以发送和接收数据包数量比例为特征量,提出一种快速的DDoS攻击检测算法.并通过动态调整期望值和警告阈值,使算法具有更好的适应性,能够运用于不同的网络环境.最后通过实验对算法进行验证.

平稳过程趋势项变点的CUSUM检验

对平稳过程趋势项中的变点检测问题,基于最小二乘估计残差构造CUSUM型统计量.同时,在原假设下得到了其渐近分布,在备择假设下证明了该检验的容许性.蒙特卡罗数值模拟表明,文中所给检验在检验趋势项系数变点时具有较好的势,且犯第一类错误的概率较小.

CUSUM算法在DDoS源端检测中的应用

在深入分析了DDoS源端检测的特点和难点的基础上,引入统计学中非参数改变点检测方法,应用非参数化递归CUSUM(Cumulative Sum)算法对代表性的源端检测系统D-WARD进行了改进。经实验验证,应用CUSUM算法的检测系统具有更低的误报率和漏报率,能够适应更复杂的网络检测环境。