基于时间序列ARIMA模型取水异常检测方法与系统

    公开(公告)号:CN110083803B

    公开(公告)日:2023-09-29

    申请号:CN201910323562.2

    申请日:2019-04-22

    IPC分类号: G06F17/18

    摘要: 本发明公开了一种基于时间序列ARIMA模型取水异常检测方法与系统,属于水资源利用监测技术领域。在国家水资源的监控过程中,不同区域,不同取水点的有各自的取水数据,将这些数据作为可靠的时间序列模型的数据输入,并通对数据平稳性进行分析,并进行平稳性处理,将非平稳的时间序列转化为平稳的时间序列;通过自相关函数和偏相关函数分别求出自相关系数和偏相关系数,并通过ARIMA模型求出最后数据的拟合曲线,最后通过判断拟合数据和真实数据的残差是否符合高斯分布的3σ准则判断是否异常,对于异常值,可以通过拟合曲线给出修正值。本发明可以实现监测数据质量评价,并为数据完善过程提供参考修正值,有效提高了监测工作效率和质量。

    一种融合KPCA和思维优化BP神经网络的用水总量预测方法

    公开(公告)号:CN110047015A

    公开(公告)日:2019-07-23

    申请号:CN201910323911.0

    申请日:2019-04-22

    IPC分类号: G06Q50/06 G06N3/04 G06Q10/04

    摘要: 本发明公开了一种融合KPCA和思维优化BP神经网络的用水总量预测方法,包括如下步骤:运用相关系数法确定预测因子;利用核主成分分析(KPCA)对预测因子进行降维处理,解决数据之间的非线性特征;利用BP神经网络建立用水总量预测模型;利用模型对用水总量进行预测。本发明前两个步骤是数据预处理,目的是提取用水数据中的有用信息,消除冗余信息对预测造成的干扰。第三个步骤将BP神经网络到用水总量预测中,同时采用思维进化学习算法优化BP神经网络的权值和阈值。最后一个步骤用于检验模型效果。本发明方法在国家统计局的年度开放统计用水数据中实验,结果表明,基于KPCA和思维优化BP神经网络的用水总量预测模型能很好的预测未来用水总量。

    基于时间序列ARIMA模型取水异常检测方法与系统

    公开(公告)号:CN110083803A

    公开(公告)日:2019-08-02

    申请号:CN201910323562.2

    申请日:2019-04-22

    IPC分类号: G06F17/18

    摘要: 本发明公开了一种基于时间序列ARIMA模型取水异常检测方法与系统,属于水资源利用监测技术领域。在国家水资源的监控过程中,不同区域,不同取水点的有各自的取水数据,将这些数据作为可靠的时间序列模型的数据输入,并通对数据平稳性进行分析,并进行平稳性处理,将非平稳的时间序列转化为平稳的时间序列;通过自相关函数和偏相关函数分别求出自相关系数和偏相关系数,并通过ARIMA模型求出最后数据的拟合曲线,最后通过判断拟合数据和真实数据的残差是否符合高斯分布的3σ准则判断是否异常,对于异常值,可以通过拟合曲线给出修正值。本发明可以实现监测数据质量评价,并为数据完善过程提供参考修正值,有效提高了监测工作效率和质量。