买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学申请的专利一种基于时序异常因子算法的出水BOD浓度异常数据检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116796270B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310608736.6，技术领域涉及：G06F18/2433；该发明授权一种基于时序异常因子算法的出水BOD浓度异常数据检测方法是由李文静;顾洪升;乔俊飞设计研发完成，并于2023-05-29向国家知识产权局提交的专利申请。

本一种基于时序异常因子算法的出水BOD浓度异常数据检测方法在说明书摘要公布了：一种基于时序异常因子算法的出水BOD浓度异常数据检测方法实现出水BOD浓度的异常数据检测是先进制造技术领域的重要分支，既属于控制领域，又属于水处理领域。本发明通过设计时序异常因子算法，根据污水处理过程采集的数据实现了出水BOD浓度异常数据的检测，解决了污水处理过程中出水BOD浓度异常数据难以准确检测的问题，提高了城市污水处理厂水质质量实时监控水平。

本发明授权一种基于时序异常因子算法的出水BOD浓度异常数据检测方法在权利要求书中公布了：1.一种基于时序异常因子算法的出水BOD浓度异常数据检测方法，其特征在于，包括以下步骤： 步骤1：数据预处理； 首先，对出水BOD浓度数据按照公式1进行归一化至[0,1]； 其中，y是由出水BOD浓度组成的时间序列数据，yt是t时刻的出水BOD浓度，maxy和miny分别表示时间序列y中的最大值和最小值； 步骤2：计算时序异常因子TOF； 步骤2.1：自适应选取最优截断距离； 首先初始化截断距离dcs，dcs取值范围为0,1，根据dcs计算每个数据点的密度，再根据数据集中相邻两点之间距离的平均值μ和方差σ计算阈值τ，阈值τ的计算如公式2所示： τ＝μ+ασ2 其中，α取值范围为0,1； 计算以最大密度点xpmax为圆心，τ为半径的圆内数据点与圆心之间距离的平均值为最优截断距离dc，对于整个数据集C，截断距离dc的计算公式如3所示： 步骤2.2：计算数据点的密度； 将数据集中的每个数据点ii∈[1，N]，N为数据集的大小的密度ρi定义为： 其中，dij为数据点i与数据点j的欧式距离，dc为数据集C的最优截断距离； 步骤2.3：计算数据点的偏离系数； 针对数据的时序性，在时间上相邻的数据点，往往具有更大的相似性，然后针对数据点i，求该点在时间邻域内的偏离程度，时间邻域大小为Li，其中Li取值范围为2,20范围内的整数，计算数据点i的偏离系数如公式所示： 其中，表示在点i的在时间邻域内除最大值和最小值之外所有数据的平均值，σi表示在点i的时间邻域内数据的方差； 当偏离系数越小，该点表现为越稳定，越大说明该点的偏离程度越大即异常程度越大； 步骤2.4：定义时序异常因子TOF； 对数据点i的密度ρi和偏离系数定义时序异常度，公式如下： 当数据点i的密度ρi比较小，偏离程度比较大，则todi值越大，即异常程度越大，该点表现为全局异常；当密度ρi和正常点接近，但偏离程度依然比较大时，todi值也会比较大，此时该点表现为局部异常，反之则稳定； 每个数据点的异常度与该点在时间邻域内的平均异常度的比值定义为时序异常因子TOF，公式如下： 其中i∈[1，N]，表示对于数据点i的时间邻域内每个数据点j； 当数据点的TOF值大于1的程度越大，表明数据的异常程度越大，当TOF值范围在0到1之间时表现为正常数据； 步骤3：设计基于TOF的异常检测算法； 确定自适应阈值TS，公式如下： 其中，Q为TOF值大于1组成的集合，其中β取值范围为1,9； 当TOFi大于TS时表明数据点i在该数据集中表现为异常数据，反之则表现为正常数据；其中i∈[1，N]； 步骤4：出水BOD浓度异常数据检测； 将测试样本数据作为时序异常因子算法的输入，得到每个样本数据的TOF值与阈值进行比较，最后得到出水BOD浓度的异常数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。